<![CDATA[Buah pepaya adalah salah satu jenis buah tropis yang banyak disukai karena kaya akan nutrisi. Namun, cara menilai kematangan buah pepaya masih sering dilakukan dengan cara manual, yang dapat menyebabkan kesalahan dalam proses pemisahan dan penyebarannya. Dengan demikian, penelitian ini bertujuan untuk mengembangkan sistem otomatis untuk mengklasifikasikan tingkat kematangan buah pepaya dengan menggunakan metode Convolutional Neural Network (CNN) yang berbasis arsitektur ResNet50. Dataset yang digunakan terdiri dari gambar buah pepaya yang dibagi menjadi empat tingkat kematangan, yaitu masih mentah, setengah matang, sudah matang, dan sudah busuk. Gambar tersebut kemudian menjalani proses preprocessing yang mencakup pengubahan ukuran gambar menjadi 224×224 piksel, penyesuaian nilai piksel, serta augmentasi data melalui teknik seperti rotasi, zoom, dan pembalikan horizontal untuk memperbanyak variasi data pelatihan. Model dilatih dengan menggunakan metode transfer learning dengan memanfaatkan bobot yang sudah ada dari dataset ImageNet. Evaluasi kinerja model dilakukan melalui penggunaan matriks kebingungan dan matriks klasifikasi yang mencakup akurasi, precision , recall, dan skor F1. Hasil dari proses pelatihan menunjukkan bahwa model mencapai akurasi pelatihan sebesar 91,72% dan akurasi validasi sebesar 83,56%, dengan nilai validasition loss sebesar 0,4958. Temuan ini mengindikasikan bahwa model dapat mengklasifikasikan citra buah pepaya dengan performa yang relatif baik dan konsisten. Penelitian ini diharapkan dapat mendukung proses otomatisasi dalam mengidentifikasi tingkat kematangan buah pepaya di sektor pertanian dan industri pangan. Kata Kunci: klasifikasi citra , buah pepaya ,CNN, Resnet-50,deep learning.]]>
Copyrights © 2026
