Analisis Klasifikasi Kualitas Bawang Merah Berdasarkan Warna Menggunakan CNN
DOI:
https://doi.org/10.29407/dk3h0249Abstract
Bawang merah (Allium cepa L.) merupakan komoditas hortikultura penting yang proses penentuan kualitasnya masih dilakukan secara manual sehingga sering terjadi kesalahan klasifikasi. Penelitian ini bertujuan mengklasifikasikan kualitas bawang merah berdasarkan warna menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur NASNetMobile. Dataset yang digunakan sebanyak 300 citra yang terdiri dari tiga kelas, yaitu segar, kering, dan busuk. Tahapan penelitian meliputi preprocessing, augmentasi rotasi, pelatihan model, dan evaluasi menggunakan confusion matrix. Pelatihan dilakukan selama 20 epoch dengan optimizer Adam dan learning rate 0,0001. Hasil penelitian menunjukkan bahwa model NASNetMobile memperoleh akurasi sebesar 92% dalam mengklasifikasikan kualitas bawang merah. Penelitian ini menunjukkan bahwa NASNetMobile berpotensi membantu proses sortasi bawang merah secara otomatis.
Keywords:
Bawang merah, CNN, Klasifikasi citra, NASNetMobile, Pembelajaran mendalam .##plugins.themes.default.displayStats.downloads##
References
[1] H. Tori, “Analisis Prospek Produksi Bawang Merah (Allium Cepa L) Di Indonesia Skripsi
Oleh.” [Online]. Available: https://ssrn.com/abstract=4367727
[2] Jessica Rizki Fortuna, Salsabila Ilmi Romadhoni, and I. S. Tondang, “Sosialisasi
Perencanaan Budidaya Bawang Merah (Allium ascalonicum L.) di Lahan Balai
Penyuluhan Pertanian Porong,” Jurnal Aplikasi Sains dan Teknologi : Agrisevika, vol. 2,
no. 1, pp. 31–40, Sep. 2025, doi: 10.33005/agrisevika.v2i1.14.
[3] R. A. Pratama et al., “CYCLOTRON : Jurnal Teknik Elektro Penerapan Wahana Terbang
Tanpa Awak untuk Memprediksi Waktu Panen pada Lahan Pertanian Berbasis Pengolahan
Citra Digital,” 2022.
[4] B. N. Tri, C. Ningrum, E. N. Ni’mah, M. P. Arifin, A. Dusea, and W. Dara, “Program Studi
Teknik Informatika.”
[5] J. Khatib Sulaiman, D. Azurah, H. Darwis, L. Nur Hayati, and I. Artikel Abstrak,
“Klasifikasi Penyakit Bawang Merah Menggunakan Naïve Bayes dan Convolutional
Neural Network,” Indonesian Journal of Computer Science Attribution, vol. 12, no. 4, p.
1932.
[6] J. Khatib Sulaiman, H. Darwis, R. Satra, and I. Artikel Abstrak, “Klasifikasi Penyakit
Bawang Merah Menggunakan Naive Bayes dan CNN dengan Fitur GLCM,” Indonesian
Journal of Computer Science.
[7] A. Riqza Ardiansyah and D. Putra Pamungkas, “Klasifikasi Menggunakan Metode Support
Vector Machine untuk Mendeteksi Penyakit Tanaman Bawang Merah,” Jurnal Nusantara
Of Engineering, vol. 7, 2024, [Online]. Available: https://ojs.unpkediri.ac.id/index.php/noe
[8] F. Nurona Cahya et al., “SISTEMASI: Jurnal Sistem Informasi Klasifikasi Penyakit Mata
Menggunakan Convolutional Neural Network ( CNN).” [Online]. Available:
http://sistemasi.ftik.unisi.ac.id
[9] M. Resa Arif Yudianto, P. Sukmasetya, R. Abul Hasani, and D. Sasongko, “Pengaruh Data
Preprocessing terhadap Imbalanced Dataset pada Klasifikasi Citra Sampah menggunakan
Algoritma Convolutional Neural Network,” Building of Informatics, Technology and
Science (BITS), vol. 4, no. 3, Dec. 2022, doi: 10.47065/bits.v4i3.2575.
[10] N. H. Putri, J. Jasril, M. Irsyad, S. Agustian, and F. Yanto, “Klasifikasi Citra Stroke
Menggunakan Augmentasi dan Convolutional Neural Network EfficientNet-B0,” JURNAL
MEDIA INFORMATIKA BUDIDARMA, vol. 7, no. 2, p. 650, Apr. 2023, doi:
10.30865/mib.v7i2.5981.
[11] D. Tsalsabila Rhamadiyanti, “Analisa Performa Convolutional Neural Network dalam
Klasifikasi Citra Apel dengan Data Augmentasi,” Media Online), vol. 5, no. 1, pp. 154–
162, 2024, doi: 10.30865/klik.v5i1.2023.
[12] D. Gunawan and H. Setiawan, “Convolutional Neural Network dalam Analisis Citra
Medis,” 2022.
[13] Annisa’, N. Kamilah, U. Mahdiyah, and R. Wulanningrum, “Identifikasi Penyakit Daun
Tomat dengan Menggunakan NASNet Mobile,” 2025.
[14] U. Klasifikasi Tingkat Kesehatan Tanaman Lidah Buaya Berbasis Web Nurlatifa, A.
Hidayat, and Mr. Anshori Prasetya, “Metode Convolutional Neural Network (CNN),”
Jurnal Teknik Informatika dan Sistem Informasi, vol. 11, no. 4, 2024.
Downloads
Published
Issue
Section
License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Copyright on any article is retained by the author(s).
- The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
- The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License
