ANALISIS PERBANDINGAN AKURASI BUAH APEL EMAS BERDASARKAN KELAS DENGAN ALGORITMA GRAY LEVEL MATRIX CO-OCCURANCE (GLCM) DAN CONVOLUTIONAL NEURAL NETWORK (CNN)

Abstrak

Buah apel emas adalah salah satu komoditas pertanian yang penting dalam industri pertanian. Tingkat kematangan buah apel adalah faktor utama yang memengaruhi kualitas dan daya tahan buah. Penentuan tingkat kematangan buah apel emas secara manual seringkali memakan waktu dan subjektif. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan sistem otomatisasi yang dapat mengklasifikasikan tingkat kematangan buah apel emas menggunakan metode Gray Level Matrix Co-Occourance (GLCM) dan Convolutional Neural Network (CNN). Data citra buah apel dengan berbagai tingkat kematangan dikumpulkan dan diolah dalam penelitian ini. Model CNN telah dirancang, dilatih, dan dioptimalkan menggunakan data tersebut untuk mengidentifikasi tingkat kematangan buah apel dari gambar. Hasil akhir dari penelitian ini adalah sebuah aplikasi Android yang mudah digunakan dan dapat membantu petani buah apel dalam mengklasifikasikan tingkat kematangan buah apel secara cepat dan akurat.Hasil penelitian menunjukkan bahwa model CNN mampu mengenali tingkat kematangan buah apel dengan tingkat akurasi yang tinggi, dan aplikasi Android yang dihasilkan memberikan akses yang mudah bagi pengguna untuk mendukung pertanian buah apel dengan meningkatkan efisiensi dalam manajemen panen dan pengolahan buah apel.