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.
