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

Abstract

Penentuan tingkat kematangan buah alpukat secara manual masih sering dilakukan berdasarkan warna kulit dan tekstur buah, sehingga hasilnya cenderung subjektif dan kurang konsisten. Penelitian ini bertujuan membangun sistem klasifikasi tingkat kematangan alpukat berbasis citra menggunakan segmentasi warna dan algoritma Recurrent Neural Network (RNN). Penelitian menggunakan 500 citra alpukat Mentega yang dibagi menjadi tiga kelas, yaitu belum matang, matang, dan terlalu matang. Dataset dibagi menjadi 400 data latih dan 100 data uji. Tahapan penelitian meliputi praproses citra, segmentasi warna, ekstraksi fitur warna, dan klasifikasi menggunakan RNN. Evaluasi dilakukan menggunakan accuracy, precision, recall, F1-score, dan confusion matrix. Hasil penelitian menunjukkan bahwa sistem mampu mengklasifikasikan tingkat kematangan alpukat dengan nilai accuracy 70,00%, precision 70,17%, recall 70,00%, dan F1 score 69,71%. Hasil tersebut menunjukkan bahwa metode segmentasi warna dan RNN dapat digunakan untuk membantu proses penentuan kematangan alpukat secara lebih objektif dan konsisten.