Klasifikasi Jenis Buah Apel Menggunakan Algoritma Convolutional Neural Network

Chairil Aditya Nur Fadlilah; Sarif Surorejo; Zaenul Arif

doi:10.31004/riggs.v4i3.2759

Authors

Chairil Aditya Nur Fadlilah STMIK YMI Tegal
Sarif Surorejo STMIK YMI Tegal
Zaenul Arif STMIK YMI Tegal

DOI:

https://doi.org/10.31004/riggs.v4i3.2759

Keywords:

Klasifikasi, Pembelajaran Mesin, Convolutional Neural Network (CNN)

Abstract

Penelitian ini bertujuan untuk membantu mempercepat klasifikasi buah apel berdasarkan jenis. Data yang digunakan sebanyak 2800 gambar buah apel berasal dari Kaggle yang dibagi menjadi 4 kategori jenis, yaitu apel Golden, Granny Smith, Red Delicious, Red Yellow. Metode yang digunakan untuk mengumpulkan data yaitu dengan metode penelitian kualitatif. Klasifikasi dibuat menggunakan model machine learning dengan metode Convolutional Neural Network (CNN) dan evaluasi hasilnya menggunakan confusion matrix. Dilakukan 2 kali percobaan dengan 20 dan 50 epoch untuk dapat mengetahui hasil yang optimal. Hasil dari penelitian menunjukan bahwa gambar dapat diprediksi dengan benar dengan tingkat akurasi yang tinggi mencapai 100%. Hasil model yang telah ditraining selanjutnya digunakan untuk prediksi gambar yang dapat diakses melalui website. Pengklasifikasian pada website dibuat menggunakan library flask dan hasil prediksinya tersimpan kedalam file dengan format hdf5.

Downloads

Download data is not yet available.

References

Suryanti, C. and Rohman, M.G., 2024. Klasifikasi Kualitas Buah Apel Berdasarkan Warna dan Bentuk Menggunakan Metode KNN. Generation Journal, 8(1), pp.34-41.

https://doi.org/10.46772/intech.v5i1.1119

Abdullah, R.W. and Kusumastuti, R., 2025. Analisis Pengolahan Ekstraksi Fitur Citra Untuk Klasifikasi Jenis Apel Menggunakan Scikit-Learn Dengan Algoritma K-Nearest Neighbor. Jurnal Teknologi Informasi dan Ilmu Komputer, 12(1), pp.165-174.

https://doi.org/10.25126/jtiik.2025129149

Afriansyah, M., Saputra, J., Sa’adati, Y. and Ardhana, V.Y.P., 2023. Optimasi Algoritma Nai? ve Bayes Untuk Klasifikasi Buah Apel Berdasarkan Fitur Warna RGB. Bulletin of Computer Science Research, 3(3), pp.242-249.

https://doi.org/10.47065/bulletincsr.v3i3.251

Daryono, Elvianto Dwi, and Mohammad Istnaeny Hudha. "Peningkatan Kualitas Produk Keripik Buah Apel di UMKM CV Andhini Kota Batu Malang." Mestaka: Jurnal Pengabdian Kepada Masyarakat 4, no. 3 (2025): 381-385..

https://doi.org/10.58184/mestaka.v4i3.71

Anggraini, L. and Oktavia, N., 2023. Skrining Fitokimia Dan Perbandingan Kadar Vitamin C Pada Buah Apel Impor Dan Buah Apel Lokal Yang Dijual Di Pasar Buah 88 Pekanbaru Menggunakan Metode Spektrofotometer UV-Vis: Phytochemical Screening and Comparison of Vitamin C Levels in Imported and Local Apples Sold at Pekanbaru 88 Fruit Market Using the UV-Vis Spectrophotometer Method. JOPS (Journal Of Pharmacy and Science), 6(2), pp.160-166.

https://doi.org/10.36341/jops.v6i2.3586

I. Wulandari, H. Yasin, and T. Widiharih, "KLASIFIKASI CITRA DIGITAL BUMBU DAN REMPAH DENGAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN)," Jurnal Gaussian, vol. 9, no. 3, pp. 273-282, Aug. 2020.

https://doi.org/10.14710/j.gauss.9.3.273-282

Syaharani, M.A., Budianto, T.A.C. and Adam, R.I., 2024. KLASIFIKASI BUAH SEGAR DAN BUSUK MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN). JATI (Jurnal Mahasiswa Teknik Informatika), 8(5), pp.10823-10827.

https://doi: 10.34151/prosidingsnast.v8i1.4180

Hakim, L., Rahmanto, H.R., Kristanto, S.P. and Yusuf, D., 2023. Klasifikasi citra motif batik banyuwangi menggunakan convolutional neural network. Jurnal Teknoinfo, 17(1), p.203.

https://doi: 10.33365/jti.v17i1.2342

Luthfi Bangun Permadi, M. ., & Gumilang, R. . (2024). Penerapan Algoritma CNN (Convolutional Neural Network) Untuk Deteksi Dan Klasifikasi Target Militer Berdasarkan Citra Satelit. Jurnal Sosial Teknologi, 4(2), 134–143. https://doi.org/10.59188/jurnalsostech.v4i2.1138

Diki Hananta Firdaus, Bahtiar Imran, Lalu Darmawan Bakti, and Emi Suryadi, “KLASIFIKASI PENYAKIT KATARAK BERDASARKAN CITRA MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) BERBASIS WEB”, JKBTI, vol. 1, no. 3, pp. 18–26, Dec. 2022.

https://doi.org/10.69916/jkbti.v1i3.6

Rijal, M., Yani, A. M. dan Rahman, A. (2024) “Deteksi Citra Daun untuk Klasifikasi Penyakit Padi menggunakan Pendekatan Deep Learning dengan Model CNN”, Jurnal Teknologi Terpadu, 10(1), hlm. 56–62.

https://doi: 10.54914/jtt.v10i1.1224.

Azzahra, A.R., Darwis, H. and Widyawati, D., 2023. Klasifikasi Daun Herbal Menggunakan Metode CNN dan Naïve Bayes dengan Fitur GLCM. The Indonesian Journal of Computer Science, 12(4).

https://doi.org/10.33022/ijcs.v12i4.3362

KASWAR, A.B. & RISAL, A.A.N., 2020. Klasifikasi Tingkat Kematangan Buah Markisa Menggunakan Jaringan Syaraf Tiruan Berbasis Pengolahan Citra Digital. Journal of Embedded Systems, Security and Intelligent Systems, 01(1), pp.1–8

https://doi.org/10.26858/jessi.v1i1.13505

N. Wijaya and A. Ridwan, “KLASIFIKASI JENIS BUAH APEL DENGAN METODE K-NEAREST NEIGHBORS DENGAN EKSTRAKSI FITUR HSV DAN LBP” J. Sisfokom (Sistem Inf. Dan Komputer), vol. 8, no. 1, 2019,

doi: 10.32736/sisfokom.v8i1.610

I. Indriani and Ade Davy Wiranata, “COMPARISON OF ACCURACY LEVELS OF SVM, DECISION TREE AND RANDOM FOREST ALGORITHMS IN SENTIMENT ANALYSIS OF USER RESPONSES OF THE GOPAY APPLICATION”, J. Tek. Inform. (JUTIF), vol. 5, no. 3, pp. 777–787, May 2024.

https://doi.org/10.52436/1.jutif.2024.5.3.1885