Klasifikasi Akurasi Kematangan Buah Apel Anna Berdasarkan Analisis Warna Model Nasnet Pada Convolutional Neural Network (CNN)

Apel (Malus Domestica) merupakan salah satu jenis buah yang unggul dan sangat diminati masyarakat karena rasanya yang bervariasi. Buah apel memiliki banyak nutrisi dan berbagai macam vitamin diantaranya lemak baik, karbohidrat, protein, vitamin dan masih banyak lagi. Apel anna merupakan salah satu varietas apel yang dikembangkan diKota Batu, Malang dan berkembang di beberapa wilayah yang memiliki agroklimat yang sesuai untuk pertumbuhan apel. Penelitian ini menggunakan citra gambar buah apel anna sebagai dataset. Berbagai cara dapat dilakukan untuk membedakan kematangan apel anna, salah satunya melalui analisis citra warna. Namun, secara kasat mata, kematangan apel anna sering kali sulit dibedakan. Tujuan penelitian ini adalah melakukan klasifikasi kematangan apel anna berdasarkan analisis warna menggunakan metode Convolutional Neural Network (CNN). Dengan menggunakan google colab dan bahasa pemograman phyton dan dataset dari kaggle.com sebanyak 139 dataset, data training 46%, data validasi 54%. Metode Convolutional Neural Network (CNN dipilih karena kemampuannya dalam mengenali pola visual dengan akurasi tinggi. Hasil pengujian menunjukkan bahwa model Convolutional Neural Network (CNN mampu mengklasifikasikan kematangan apel anna dengan akurasi rata-rata mencapai 95%. Penelitian ini membuktikan bahwa metode Convolutional Neural Network (CNN efektif untuk mengidetintifikasi fitur visual yang relevan untuk menentukan tingkat kematangan buah apel anna)