Implementasi Computer Vision Terhadap Jenis Kualitas Pisang Susu Menggunakan Metode YOLOv8n Berbasis WebApps
DOI:
https://doi.org/10.29407/9ezqf773Keywords:
CNN, Computer Vision, Pengolahan Citra, Pisang Susu, YOLOv8nAbstract
Penelitian ini mengeksplorasi penerapan teknologi computer vision untuk mendeteksi kualitas pisang khususnya jenis pisang susu, komoditas ekspor potensial di Kediri yang menghadapi tantangan dalam perawatan dan pengendalian kualitas. Metode YOLOv8n dan CNN (Convolutional Neural Network) digunakan untuk mengatasi masalah rendahnya kualitas hasil panen akibat metode tradisional dalam menentukan kematangan buah. Kematangan yang tidak tepat dapat mempengaruhi rasa, aroma, dan umur simpan pisang. CNN menganalisis warna dan tekstur buah, sementara YOLOv8n memungkinkan deteksi objek secara real-time dengan akurasi tinggi. Model dilatih selama 100 epoch dengan ukuran batch 8, dataset terdiri dari 200 gambar (70% pelatihan, 20% validasi, 10% pengujian), dengan menghasilkan rata-rata presisi 89,75% dan akurasi mAP50 92%. Implementasi dalam framework Streamlit menyediakan antarmuka WebApps yang user-friendly, memungkinkan pengguna mengunggah gambar dari komputer lokal, tautan, atau video kamera real-time. Hasil penelitian meningkatkan efisiensi dalam menentukan kematangan pisang susu dan memberikan solusi objektif, berpotensi meningkatkan daya saing pasar serta manfaat bagi petani dalam menentukan waktu panen optimal.Downloads
References
S. S. H. Ujang Rohman, "Optimalisasi Pemanfaatan Pisang Kepok Sebagai Produk Unggulan Desa Grinting Tulangan Sidoarjo Jawa Timur," Jurnal Pengabdian Masyarakat, vol. 2, no. 2, pp. 1-8, 2021.
P. B. H. J. Arif Hartono, "PELATIHAN PEMANFAATAN LIMBAH KULIT PISANG SEBAGAI BAHAN DASAR PEMBUATAN KERUPUK," Jurnal Inovasi dan Kewirausahaan, pp. 198-203, 2013.
F. A. Septian Hari Pratama, "KANDUNGAN GIZI, KESUKAAN, DAN WARNA BISKUIT SUBSTITUSI TEPUNG PISANG," Journal of Nutrition College, vol. 4, no. 2, pp. 252-258, 2015.
M. Indarto, "Deteksi Kematangan Buah Pisang Berdasarkan Fitur Warna Citra Kulit Pisang Menggunakan Metode Transformasi Ruang Warna HIS," JUITA : Jurnal Informatika, pp. 15-21, 2017.
E. M. N. I. R. S. A. L. K. R. Doni Andriansyah, "Klasifikasi Kualitas Buah Pisang Berdasarkan Waktu Panen dan Tingkat Kematangan Menggunakan Metode SVM & KNN," SATIN –Sains dan Teknologi Informasi, vol. 10, no. 1, pp. 147-156, 2024.
D. I. H. Rita Hayati, "PENGARUH TINGKAT KEMATANGAN DAN LAMA PENYIMPANAN TERHADAP KUALITAS PISANG MAS (Musa acuminata Colla)," Jurnal Agrotropika, pp. 145-155, 2023.
E. R. L. F. B. H. H. R. R. P. Budi Yanto, "PENERAPAN ALGORITMA DEEP LEARNING CONVOLUTIONAL NEURAL NETWORK DALAM MENENTUKAN KEMATANGAN BUAH JERUK MANIS BERDASARKAN CITRA RED GREEN BLUE (RGB)," Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK), pp. 59-66, 2023.
E. S. N. Y. N. K. M. I. H. Fernandy Jupiter, "Implementasi Algoritma CNN dan YOLO untuk Mendeteksi Jenis Kendaraan pada Jalan Raya," Jurnal Informasi dan Telematika, vol. 14, no. 2, pp. 110-117, 2023.
A. I. Hanifah, "Klasifikasi Kematangan Pisang Menggunakan Metode Convolutional Neural Network," Komputika: Jurnal Sistem Komputer, vol. 12, no. 2, pp. 169-176, 2023.
M. F. H. E. S. O. Rendra Soekarta, "Klasifikasi Kematangan Buah Pisang Secara Real-Time Menggunakan Convolutional Neural Network Berbasis Android," INSECT, vol. 10, no. 01, pp. 11-20, 2024.
A. KHOTIBUL UMAM, "Perbandingan Metode ARIMA dan LSTM pada Prediksi Jumlah Pengunjung Perpustakaan," MIND (Multimedia Artificial Intelligent Networking Database) Journal, vol. 8, no. 2, pp. 119-129, 2023.
S. D. A. N. I. N. C. K. AZIZAH AULIA RAHMAN, "Perbandingan Algoritma YOLOv4 dan Scaled YOLOv4 untuk Deteksi Objek pada Citra Termal," MIND (Multimedia Artificial Intelligent Networking Database) Journal, vol. 7, no. 1, pp. 61-71, 2022.
S. M. R. M. A. B. K. D. D. A. A. S. A. Wulandari, "KLASIFIKASI KANDUNGAN NUTRISI BUAH PISANG BERDASARKAN FITUR TEKSTUR DAN WARNA LAB MENGGUNAKAN JARINGAN SYARAF TIRUAN BERBASIS PENGOLAHAN CITRA DIGITAL," Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK), vol. 11, no. 03, pp. 507-518, 2024.
D. S. M. M. Nurhaliza Juliyani Hayati, "OBJECT TRACKING MENGGUNAKAN ALGORITMA YOU ONLY LOOK ONCE (YOLO)v8 UNTUK MENGHITUNG KENDARAAN," KOMPUTA : Jurnal Ilmiah Komputer dan Informatika, vol. 12, no. 2, pp. 91-99, 2023.
A. H. Afifah Inas Hanifah, "Klasifikasi Kematangan Pisang Menggunakan Metode Convolutional Neural Network," Komputika: Jurnal Sistem Komputer, vol. 12, no. 2, pp. 169-176, 2023.
B. B. D. I. M. S. L. Yuma Akbar, "DETEKSI MICROSLEEP MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK DENGAN SENSOR ESP32 PADA PENGEMUDI," Journal of Information Technology and Computer Science (INTECOMS), vol. 7, no. 5, pp. 1668-1674, 2024.
N. H. D. R. S. H. Fani Nurona Cahya, "Klasifikasi Penyakit Mata Menggunakan Convolutional Neural Network (CNN)," Sistemasi: Jurnal Sistem Informasi, vol. 10, no. 3, pp. 618-626, 2021.
J. T. I. Arie Ardiansyah, "Evaluasi Kinerja Model YOLOv8 dalam Deteksi Kesegaran Buah," Jurnal JUPITER, vol. 16, no. 2, pp. 357-368, 2024.
S. A. P. Dwi Normawati, "Implementasi Naïve Bayes Classifier Dan Confusion Matrix Pada Analisis Sentimen Berbasis Teks Pada Twitter," Jurnal Sains Komputer & Informatika (J-SAKTI), vol. 5, no. 2, pp. 697-711, 2021.
S. R. Pratama, "Penerapan Deep Learning untuk Deteksi Penyakit pada Tanaman Padi Menggunakan Convolutional Neural Network (CNN)," Jurnal Teknologi dan Sistem Komputer, vol. 8, no. 3, pp. 211-220, 2022.
R. W. Oktaviani, "Deteksi Kematangan Buah Mangga dengan Metode Deep Learning Menggunakan Convolutional Neural Networks," Jurnal Informatika Universitas Satya Negara Indonesia, vol. 13, no. 1, pp. 45-56, 2023.
A. S. Prasetya, "Penggunaan Metode Convolutional Neural Networks (CNN) pada Sistem Pendeteksi Kualitas Buah Apel," Jurnal Teknologi Informasi dan Komunikasi, vol. 7, no. 2, pp. 72-83, 2021.
M. R. Suryani, "Implementasi Computer Vision untuk Pemantauan Kualitas Buah Jeruk di Industri Pertanian," Jurnal Teknik Informatika dan Sistem Informasi, vol. 5, no. 4, pp. 200-210, 2022.
T. H. Widodo, "Analisis Penerapan Model YOLO untuk Deteksi Kerusakan pada Buah Tomat," Jurnal Ilmiah Komputer dan Informatika, vol. 9, no. 1, pp. 67-79, 2021.
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Inna Fatahna, Putri Desi Kusuma Sari, Annisa’ Nur Kamilah, Resty Wulanningrum, Wahyu Cahyo Utomo
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
