Klasifikasi Tingkat Kematangan Buah Alpukat Berdasarkan Citra Hiperspektral menggunakan Convolutional Neural Network

Abstract

Alpukat merupakan salah satu buah yang jarang matang di pohonnya. Hal ini dikarenakan daun pohon alpukat menghasilkan zat penghambat pematangan yang diteruskan ke buah alpukat melalui tangkai bunga. Oleh karena itu, diperlukan pengelolaan pasca panen untuk mengetahui status tingkat kematangan alpukat. Agar kualitas rantai pasok tetap terjamin saat diekspor atau ditempatkan di toko buah, diperlukan suatu metode yang dapat menentukan tingkat kematangan alpukat dengan baik. Pada penelitian ini digunakan 4 model klasifikasi untuk digunakan dalam mengklasifikasikan citra buah alpukat, yaitu Suppoert Vector Machine (SVM), Resnet-18, VGG16 dan MobileNetV2 arsitektur Convolutional Neural Network (CNN). Citra alpukat yang digunakan dalam penelitian ini merupakan citra hiperspektral yang kemudian direduksi menggunakan teknik principal component analysis (PCA) dan format RGB. Ketiga jenis format citra tersebut kemudian diklasifikasi menggunakan SVM dan 3 model CNN Resnet-18, VGG16 dan MobileNetV2 tersebut. Hasil percobaan menunjukkan bahwa model VGG16 memiliki nilai akurasi paling tinggi. Akurasi overall diperoleh sebesar 0.8202 atau 82,02% , nilai F1-score sebesar 0.8105 atau 81,05% dan presisi sebesar 0.8210 atau 82,10% saat menggunakan citra dari semua kanal hiperspektral. Selanjutnya metode lain dapat digunakan untuk meningkatkan nilai akurasi seperti melakukan perubahan parameter optimasi CNN agar diperoleh hasil yang lebih optimal.