<![CDATA[Penentuan tingkat kematangan buah pisang secara manual masih banyak dilakukan berdasarkan pengamatan visual sehingga bersifat subjektif dan berpotensi menimbulkan kesalahan dalam proses sortasi maupun pemasaran. Penelitian ini bertujuan untuk mengoptimisasi model deep learning dalam klasifikasi buah pisang barangan menggunakan teknik data augmentation. Metode penelitian yang digunakan adalah metode eksperimen yang meliputi pengumpulan dataset citra buah pisang dari berbagai sudut pengambilan gambar dan kondisi pencahayaan, tahap preprocessing berupa resize citra menjadi 224×224 piksel dan normalisasi data, penerapan teknik data augmentation seperti rotasi, horizontal flipping, zoom, dan brightness adjustment, serta pelatihan model menggunakan arsitektur Convolutional Neural Network (CNN). Proses pelatihan model dilakukan selama 10 epoch dan menghasilkan nilai accuracy sebesar 25% dengan nilai loss akhir sebesar 1,3414. Hasil pengujian menunjukkan bahwa model mampu melakukan proses klasifikasi terhadap citra buah pisang, namun performa yang dihasilkan masih belum optimal karena keterbatasan jumlah dataset yang digunakan. Penerapan teknik data augmentation memberikan variasi data pelatihan yang lebih beragam sehingga dapat membantu proses pembelajaran model terhadap karakteristik visual objek. Berdasarkan hasil penelitian, optimisasi model deep learning menggunakan teknik data augmentation menunjukkan potensi untuk mendukung proses klasifikasi buah pisang barangan secara otomatis. Namun demikian, diperlukan penambahan jumlah dataset dan optimasi model lebih lanjut agar tingkat akurasi klasifikasi dapat ditingkatkan pada penelitian selanjutnya.]]>
Copyrights © 2026
