OPTIMASI AKURASI METODE CONVOLUTIONAL NEURAL NETWORK UNTUK KLASIFIKASI KUALITAS BUAH APEL HIJAU

 Indonesia memiliki potensi dalam pengembangan berbagai jenis buah, termasuk buah apel hijau. Permintaan akan apel hijau semakin meningkat di pasar tradisional, namun seringkali pembeli mengeluh karena kurangnya apel hijau yang berkualitas. Saat ini, pemilihan apel hijau masih dilakukan secara manual, yang memakan banyak waktu terutama di perkebunan atau pertanian yang besar dan rentan terhadap kesalahan manusia. Salah satu solusi adalah menggunakan sistem komputer dengan metode Convolutional Neural Network (CNN) untuk mengklasifikasikan apel hijau baik atau busuk. Dalam penelitian ini, dilakukan optimasi metode CNN dengan menambah beberapa hyperparameter dan augmentasi data. Hasil penelitian menunjukkan akurasi tertinggi adalah 96,88% pada data training dan 98,44% pada data validation. Pengujian pada data testing menghasilkan akurasi 93,75%, dengan pembagian data pelatihan dan validasi 80%:20% dari total 400 citra apel hijau. Ini menunjukkan bahwa model ini berhasil mengklasifikasikan citra apel hijau dengan kinerja yang optimal.