PENERAPAN ALGORITMA CNN UNTUK KLASIFIKASI KEMATANGAN WARNA BUAH ALPUKAT BERBASIS WEBSITE SKRIPSI

Achmad Rizal Dzikrillah; Faiz Dika Ramadhan;

Penerapan Algoritma CNN Untuk Klasifikasi Kematangan Warna Pada

Buah Alpukat Berbasis Website
Faiz Dika Ramadhan

Alpukat memiliki tingkat kematangan unik, seperti buah lainnya. Untuk mencicipi kematangan buah
alpukat jika menggunakan teknik pengupasan akan merusak buah. Warna kulit dan daging buah
alpukat dapat menunjukkan kematangan. Teknologi pengolahan citra digital dapat
mengklasifikasikan buah berdasarkan warna. Penelitian ini bertujuan untuk menerapkan algoritma
Convolutional Neural Network (CNN) dalam mengklasifikasikan tingkat kematangan buah alpukat
berdasarkan warna kulitnya. Algoritma CNN digunakan untuk mengidentifikasi dan
mengklasifikasikan alpukat ke dalam tiga kategori kematangan: belum matang, matang, dan terlalu
matang. Data gambar alpukat diproses menggunakan Google Colab dengan dataset dari
MendeleyData. Dataset yang terdiri dari 996 gambar alpukat akan dibagi menjadi data train, data
validation, dan data test. Dari total 996 gambar, 20% akan dialokasikan untuk data validasi dan
pengujian, sementara 60% akan digunakan untuk data pelatihan. Hasil pengujian akurasi model
dengan menggunakan test set mencapai 97% dengan nilai presisi 98% , recall dengan nilai 96%, dan
f1-score dengan nilai 98%. Selain itu, pengujian 5 alpukat baru di mana 4 dari 5 sampel
menghasilkan klasifikasi yang sesuai dengan pengamatan manual.
Kata kunci: Convolutional Neural Network, klasifikasi, alpukat

Implementation of CNN Algorithm for Color Maturity Classification of

Avocados Based on a Website
Faiz Dika Ramadhan

Avocados have a unique level of ripeness, like any other fruit. To taste the ripeness of an avocado,
using the peeling technique will damage the fruit. The color of the skin and flesh of an avocado can
indicate ripeness. Digital image processing technology can classify fruit based on color. This
research aims to apply the Convolutional Neural Network (CNN) algorithm in classifying the
maturity level of avocado fruit based on the color of its skin. The CNN algorithm is used to identify
and classify avocados into three ripeness categories: immature, ripe, and overripe. Avocado image
data was processed using Google Colab with a dataset from MendeleyData. The dataset consisting
of 996 avocado images will be divided into train data, validation data, and test data . Of the total
996 images, 20% will be allocated for validation and test data, while 60% will be used for training
data. The results of testing the accuracy of the model using the test set reached 97% with a precision
value of 98%, recall with a value of 96%, and f1-score with a value of 98%. In addition, testing 5
new avocados where 4 out of 5 samples produced classifications that matched the manual
observations.
Keywords: Convolutional Neural Network, classification, avocado