<![CDATA[Wortel (Daucus carota L.) adalah produk hortikultura yang memiliki nilai ekonomi tinggi di Indonesia. Penentuan kualitas wortel sangat penting dalam menentukan harga jual, namun proses klasifikasi kualitas secara manual sering tidak efisien dan konsisten. Dengan perkembangan teknologi, metode pengolahan citra digital dan kecerdasan buatan seperti Convolutional Neural Network (CNN) menawarkan solusi untuk mengotomatisasi klasifikasi kualitas wortel. Penelitian ini mengembangkan sistem klasifikasi kualitas wortel menggunakan metode CNN. Dataset terdiri dari 450 gambar wortel yang dibagi menjadi tiga kategori kualitas: baik, sedang, dan buruk. Model CNN dirancang dengan beberapa lapisan konvolusi, pooling, dan fully connected, menggunakan fungsi aktivasi ReLU dan softmax. Hasil penelitian menunjukkan bahwa model CNN mampu mengklasifikasikan kualitas wortel dengan akurasi tinggi, mencapai akurasi validasi hingga 94% pada epoch ke-50. Implementasi metode ini diharapkan dapat meningkatkan efisiensi dan akurasi dalam proses sortasi wortel, serta berkontribusi pada standarisasi kualitas di industri pertanian.]]>
Copyrights © 2024
