KLASIFIKASI CITRA TIGA VARIETAS APEL MALANG MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK

Djourdi Amrida Pratama (Universitas Widya Gama Malang)
Aviv Yuniar Rahman (Universitas Widya Gama Malang)
Rangga Pahlevi Putra (Universitas Widya Gama Malang)

Prosidia Widya Saintek
Vol. 5 No. 2 (2026)

Kemiripan warna kulit, bentuk, dan tekstur permukaan antarvarietas apel Malang dapat menyebabkan proses identifikasi visual menjadi kurang konsisten. Penelitian ini bertujuan merancang dan mengevaluasi model Convolutional Neural Network (CNN) untuk mengklasifikasikan citra varietas Wanglin, Manalagi, dan Anna. Dataset primer terdiri atas 1.939 citra yang dibagi secara terstratifikasi dengan rasio 70:15:15 menjadi 1.357 citra latih, 291 citra validasi, dan 291 citra uji. Seluruh citra diubah ukurannya menjadi 224 × 224 piksel dan dinormalisasi, sedangkan augmentasi dan class weight diterapkan selama pelatihan. Arsitektur CNN yang sama dilatih dari awal menggunakan Adam, SGD, dan RMSprop. RMSprop dipilih sebagai konfigurasi utama karena mencapai akurasi validasi terbaik pada epoch ke-16, lebih awal dibandingkan SGD pada epoch ke-29. Pada data pengujian, model RMSprop menghasilkan akurasi 94,50%, balanced accuracy 94,65%, dan macro F1-score 94,65%. F1-score setiap kelas mencapai 93,49% untuk Wanglin, 95,51% untuk Manalagi, dan 94,94% untuk Anna. Hasil tersebut menunjukkan bahwa model CNN mampu mengklasifikasikan ketiga varietas apel Malang dengan kinerja yang relatif seimbang dalam lingkup dataset penelitian.