<![CDATA[Indonesia merupakan salah satu negara penghasil mangga terbesar di dunia yang memiliki berbagai varietas unggulan dengan karakteristik yang beragam. Namun, proses identifikasi jenis mangga masih banyak dilakukan secara manual melalui pengamatan visual, sehingga rentan terhadap subjektivitas, kesalahan klasifikasi, dan membutuhkan waktu yang relatif lama. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi jenis buah mangga berbasis web menggunakan arsitektur Convolutional Neural Network (CNN) MobileNetV3 dengan pendekatan transfer learning. Dataset yang digunakan terdiri dari 3.850 citra mangga yang mencakup tujuh varietas, yaitu Arumanis, Golek, Manalagi, Gedong Gincu, Indramayu, Apel, dan Madu. Tahap prapemrosesan meliputi resize citra menjadi 224×224 piksel, normalisasi berdasarkan standar ImageNet, serta augmentasi data untuk meningkatkan kemampuan generalisasi model. Proses pelatihan dilakukan menggunakan optimizer Adam dengan learning rate 0,001 dan dievaluasi menggunakan metrik akurasi, presisi, recall, dan F1-Score. Hasil pengujian menunjukkan bahwa model mampu mencapai akurasi sebesar 94,09%, presisi 94,18%, recall 94,09%, dan F1-Score 94,10%. Model kemudian diintegrasikan ke dalam aplikasi berbasis web dan dideploy menggunakan platform Hugging Face Spaces sehingga dapat diakses secara mudah oleh pengguna. Hasil penelitian menunjukkan bahwa kombinasi MobileNetV3 dan transfer learning efektif dalam mengklasifikasikan varietas mangga secara otomatis dengan tingkat akurasi yang tinggi. Sistem yang dikembangkan berpotensi menjadi solusi praktis untuk membantu petani, pedagang, dan pelaku industri dalam melakukan identifikasi varietas mangga secara lebih cepat, objektif, dan konsisten.]]>
Copyrights © 2026
