Deteksi Perbedaan Varietas Buah Mangga Menggunakan Metode Cnn
DOI:
https://doi.org/10.55606/jupikom.v5i1.6522Keywords:
Convolutional Neural Network, mango;, image classification, deep learning, transfer learningAbstract
Penelitian ini bertujuan untuk mengembangkan model pendeteksi dan klasifikasi perbedaan varietas mangga menggunakan metode Convolutional Neural Network (CNN). Metode CNN dipilih karena kemampuannya untuk secara otomatis mengekstrak pola visual dari gambar buah tanpa ekstraksi fitur manual. Dataset gambar mangga diperoleh dari sumber publik dengan berbagai bentuk, warna, dan kondisi pencahayaan. Model ini menggunakan pendekatan transfer learning dengan arsitektur ResNet-18, di mana lapisan fully connected disesuaikan dengan jumlah kelas varietas mangga. Proses pelatihan dilakukan menggunakan optimizer Adam dengan learning rate 0,001 dan batch size 32. Hasil pengujian menunjukkan bahwa model CNN mencapai akurasi, presisi, dan recall yang tinggi dalam membedakan varietas mangga. Hasil ini menunjukkan bahwa CNN efektif sebagai solusi otomatis untuk mendeteksi perbedaan varietas mangga berdasarkan gambar digital.
References
[1] J. Ignasius, W. Rumbekwan, and J. Aryanto, “Application of Convolutional Neural Networks for Tomato Fruit Ripeness Identification,” J. Sci. Res. Educ. Technol., vol. 4, no. 1, pp. 61–78, Feb. 2025, doi: 10.58526/JSRET.V4I1.645.
[2] I. H. Ikasari, P. Rosyani, and R. Amalia, “Klasifikasi Jenis Buah Menggunakan Metode CNN,” RIGGS J. Artif. Intell. Digit. Bus., vol. 4, no. 2, pp. 5451–5458, Jul. 2025, doi: 10.31004/riggs.v4i2.1271.
[3] F. Paraijun, R. N. Aziza, and D. Kuswardani, “Implementasi Algoritma Convolutional Neural Network Dalam Mengklasifikasi Kesegaran Buah Berdasarkan Citra Buah,” KILAT, vol. 11, no. 1, pp. 1–9, 2022, doi: 10.33322/kilat.v10i2.1458.
[4] D. Mirwansyah and A. Wibowo, “FRUIT IMAGE CLASSIFICATION USING DEEP LEARNING ALGORITHM: SYSTEMATIC LITERATURE REVIEW (SLR),” Multica Sci. Technol. (ACCREDITED-SINTA 5), vol. 2, no. 2, pp. 38–41, Oct. 2022, doi: 10.47002/MST.V2I2.356.
[5] Z. Zhao, L. Alzubaidi, J. Zhang, Y. Duan, and Y. Gu, “A comparison review of transfer learning and self-supervised learning: Definitions, applications, advantages and limitations,” Expert Syst. Appl., vol. 242, p. 122807, May 2024, doi: 10.1016/J.ESWA.2023.122807.
[6] A. K. Ratha, N. K. Barpanda, P. K. Sethy, and S. K. Behera, “Automated Classification of Indian Mango Varieties Using Machine Learning and MobileNet-v2 Deep Features,” Trait. du Signal, vol. 41, no. 2, pp. 669–679, Apr. 2024, doi: 10.18280/ts.410210.
[7] K. He, X. Zhang, S. Ren, and J. Sun, “Deep residual learning for image recognition,” in Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition, 2016, pp. 770–778. doi: 10.1109/CVPR.2016.90.
[8] S. Noris and A. Waluyo, “Penerapan Deep Learning untuk Klasifikasi Buah Menggunakan Algoritma Convolutional Neural Network (CNN),” J. Teknol. Sist. Inf. dan Apl., vol. 6, no. 1, pp. 39–46, Jan. 2023, doi: 10.32493/JTSI.V6I1.29648.
[9] S. Ashraf, I. Kadery, A. A. Chowdhury, T. Z. Mahbub, and R. M. Rahman, “Fruit Image Classification Using Convolutional Neural Networks,” Int. J. Softw. Innov., vol. 7, no. 4, pp. 51–70, Jan. 2019, doi: 10.4018/IJSI.2019100103.
[10] R. Aulia, W. Husna, R. Aulia Politeknik Negeri Padang, J. Teknologi Informasi, and S. Barat, “Klasifikasi Jenis Buah Mangga Menggunakan Convolutional Neural Network (CNN) Berbasis Citra Digital,” JITSI J. Ilm. Teknol. Sist. Inf., vol. 6, no. 4, pp. 417–421, Dec. 2025, doi: 10.62527/JITSI.6.4.473.
[11] Y. Jumaryadi, A. M. Ihsan, and B. Priambodo, “Klasifikasi Jenis Buah-Buahan Menggunakan Citra Digital Dengan Metode Convolutional Neural Networks,” KLIK Kaji. Ilm. Inform. dan Komput., vol. 4, no. 3, pp. 1737–1746, Dec. 2023, doi: 10.30865/KLIK.V4I3.1421.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 Jurnal Publikasi Ilmu Komputer dan Multimedia
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
