Abstract:
Penelitian ini bertujuan untuk mengembangkan sistem otomatis untuk analisis
tingkat kematangan buah mangga arumanis dengan menggunakan citra digital dan
algoritma jaringan saraf berulang (Recurrent Neural Network, RNN). Metode yang
digunakan dalam penelitian ini melibatkan segmentasi warna sebagai langkah awal
dalam memproses gambar buah mangga, diikuti dengan penerapan model RNN
berbasis Gated Recurrent Unit (GRU) untuk tingkat kematangan.
Dalam penelitian ini, dataset terdiri dari gambar buah mangga dalam dua kondisi
kematangan, yaitu mentah dan matang. Proses segmentasi warna dilakukan untuk
memisahkan area hijau (mentah) dan kuning (matang) dari gambar buah mangga.
Hasil segmentasi ini kemudian digunakan sebagai input untuk model GRU yang
dirancang untuk mengenali dan mengklasifikasikan gambar ke dalam salah satu
dari dua kelas: mentah atau matang.
Model GRU yang dikembangkan menunjukkan performa yang sangat baik dengan
akurasi mencapai 100% pada data pengujian. Evaluasi model menggunakan metrik
seperti akurasi, loss, matriks kebingungan, dan laporan klasifikasi menunjukkan
bahwa model dapat mengklasifikasikan gambar buah mangga arumanis dengan
sangat akurat tanpa adanya kesalahan prediksi. Selain itu, model ini juga berhasil
memprediksi tingkat kematangan buah pada gambar yang tidak termasuk dalam
dataset pelatihan, dengan hasil yang sesuai dengan label yang sebenarnya.
Hasil penelitian ini menunjukkan bahwa pendekatan yang diusulkan dapat
digunakan sebagai solusi yang efektif untuk mengidentifikasi tingkat kematangan
buah mangga secara otomatis. Penelitian ini berkontribusi pada pengembangan
teknologi pengolahan citra untuk aplikasi pertanian dan dapat menjadi dasar untuk
penelitian lebih lanjut dalam klasifikasi buah dengan metode yang lebih kompleks.
