KLASIFIKASI TINGKAT PEMBUSUKAN APEL HIJAU BERDASARKAN PERUBAHAN WARNA MENGGUNAKAN METODE CNN

Abstract

Pembusukan pada apel hijau merupakan masalah kritis yang menurunkan kualitas fisik serta nilai ekonomi produk dalam rantai distribusi pangan. Identifikasi dini terhadap perubahan visual pada kulit apel sangat penting untuk meminimalkan kerugian ekonomi. Penelitian ini berhasil mengembangkan sistem klasifikasi tingkat pembusukan apel hijau berbasis Deep Learning menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur ResNet-50. Sistem dirancang dan diimplementasikan dengan dua mode masukan yang fleksibel, yaitu klasifikasi secara real-time melalui webcam dan masukan berupa file citra statis, di mana hasil klasifikasi dari kedua mode tersebut secara otomatis disimpan untuk keperluan pencatatan data (data logging). Tahapan pengolahan data yang dilakukan meliputi cropping, resizing,renaming, dan augmentasi data untuk memperkaya variasi pembelajaran model. Fitur utama pada tahap preprocessing sistem adalah penerapan konversi ruang warna dari RGB ke HSV (Hue, Saturation, Value), yang terbukti efektif dalam menonjolkan karakteristik perubahan warna akibat pembusukan. Apel diklasifikasikan ke dalam tiga kategori, yaitu segar,mulai membusuk, dan busuk. Berdasarkan hasil pengujian menggunakan metrik evaluasi accuracy, precision, recall, dan F1-score, sistem memperoleh tingkat akurasi sebesar 98,88% pada dataset pengujian. Model yang menggunakan strategi Fine-Tuning menunjukkan kinerja terbaik dan mencapai konvergensi pada epoch ke-12. Hasil tersebut bahwa sistem yang dikembangkan merupakan solusi otomatisasi yang efektif dan terdokumentasi bagi industri dalam memantau kualitas buah, meskipun kinerjanya pada mode real-time masih dipengaruhi oleh kestabilan pencahayaan lingkungan.