ANALISIS TINGKAT KEMATANGAN BUAH MANGGA BERBASIS CITRA DENGAN SEGMENTASI WARNA MENGGUNAKAN ALGORITMA RECURRENT NEURAL NETWORK (RNN)

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.