Analisis Pengaruh Integrasi Fitur Visual dan Sensor Gas terhadap Klasifikasi Grade Mangga Arumanis

Syailendra Julian Wicaksono (Universitas Nusantara PGRI Kediri)
Wahyu Cahyo Utomo (Universitas Nusantara PGRI Kediri)
Danang Wahyu Widodo (Universitas Nusantara PGRI Kediri)

Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi)
Vol. 10 No. 3 (2026): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2026

Proses grading mangga secara manual masih berpotensi menghasilkan penilaian yang subjektif dan kurang konsisten karena bergantung pada pengalaman petugas. Penelitian ini mengusulkan sistem klasifikasi grade mangga Arumanis berbasis pendekatan multimodal yang mengintegrasikan fitur area, hue median, delta gas dari sensor MQ-135, serta fitur visual hasil ekstraksi MobileNetV2 yang direduksi menggunakan Principal Component Analysis (PCA). Seluruh fitur digunakan sebagai masukan model Bayesian Neural Network (BNN) untuk menghasilkan prediksi grade dan nilai uncertainty. Dataset terdiri atas 165 citra yang diperoleh dari 55 buah mangga Arumanis dengan tiga sudut pengambilan gambar. Hasil pengujian menunjukkan bahwa model usulan memperoleh akurasi 93,75%, lebih tinggi dibandingkan model MobileNetV2 sebesar 60,72% dan BNN berbasis fitur numerik sebesar 74,54%. Evaluasi menggunakan K-Fold Cross Validation menghasilkan rata-rata akurasi 93,75% dengan standar deviasi 7,81%. Hasil penelitian menunjukkan bahwa integrasi fitur visual dan sensor gas mampu meningkatkan performa klasifikasi grade mangga secara signifikan.