KLASIFIKASI TINGKAT KEMATANGAN BUAH MANGGA MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK

Rhena Dwi Puspa; Akhmad Rizal Dzikrillah;

Klasifikasi Tingkat Kematangan Buah Mangga Menggunakan Convolutional

Neural Network
Rhena Dwi Puspa

Mangga tanaman buah tahunan yang berasal dari India dan telah menyebar ke seluruh Asia Tenggara
termasuk Indonesia. Kandungan nutrisi buah mangga bervariasi sesuai jenis atau varietas, lokasi dan
kondisi iklim tempat tumbuhnya serta tingkat kematangan buah. Penentuan tingkat kematangan
secara manual sering menimbulkan kekeliruan, sehingga diperlukan sistem klasifikasi yang akurat.
Penelitian ini menggunakan metode Convolutional Neural Network (CNN) untuk
mengklasifikasikan kematangan buah mangga berdasarkan citra digital. Model mencapai akurasi
pelatihan 97%, validasi 86% dan rata-rata presisi sebesar 0.84. validasi tambahan melalui sistem juri
menunjukkan 7 dari 9 hasil prediksi sesuai dengan penilaian juri.
Kata kunci: Buah Mangga, Klasifikasi, Convolutional Neural Network , Deep Learning

Classification of Mango Fruit Maturity Level Using Convolutional Neural

Network
Rhena Dwi Puspa

Mango is an annual fruit plant that originated in India and has spread throughout Southeast Asia
including Indonesia. The nutritional content of mango fruit varies according to the type or variety,
location and climatic conditions where it grows and the maturity level of the fruit. Manual
determination of maturity level often leads to errors, so an accurate classification system is needed.
This research uses the Convolutional Neural Network (CNN) method to classify the maturity of
mango fruit based on digital images. The model achieved 97% training accuracy, 86% validation
and an average precision of 0.84. Additional validation through a jury system showed 7 out of 9
prediction results in accordance with the jury's assessment.
Keywords: Mango Fruit, Classification, Convolutional Neural Network, Deep Learning