<![CDATA[Penelitian ini dilatarbelakangi oleh perkembangan teknologi di bidang pertanian yang mendorong penerapan kecerdasan buatan untuk meningkatkan kualitas dan konsistensi hasil panen. Permasalahan dalam penelitian ini adalah proses penentuan tingkat kematangan buah salak yang masih dilakukan secara manual dan bersifat subjektif, sehingga berpotensi menimbulkan ketidakkonsistenan. Tujuan penelitian ini adalah mengembangkan sistem deteksi tingkat kematangan buah salak berbasis pengolahan citra digital menggunakan metode Convolutional Neural Network (CNN) yang diimplementasikan pada platform Android. Metode penelitian meliputi penggunaan dataset sebanyak 800 citra yang diklasifikasikan ke dalam empat kategori, yaitu bukan salak, mentah, setengah matang, dan matang, dengan pembagian data 70% pelatihan, 20% validasi, dan 10% pengujian. Tahap preprocessing mencakup resizing citra menjadi 150×150 piksel, normalisasi, serta augmentasi berupa rotasi dan zoom sebesar 0,2. Model dilatih selama 20 epoch dan menghasilkan akurasi pelatihan di atas 90%, dengan validation accuracy 95% dan validation loss mendekati 0,20. Hasil evaluasi menggunakan confusion matrix menunjukkan kinerja deteksi yang baik. Secara keseluruhan, model mencapai akurasi 95% dengan nilai precision, recall, dan F1-score masing-masing sebesar 0,95, serta berhasil diimplementasikan dalam aplikasi Android berbasis Flutter yang berfungsi dengan baik berdasarkan pengujian Black Box Testing.]]>
Copyrights © 2026
