Identifikasi Jenis Jambu Biji Real-Time Menggunakan Convolutional Neural Network
DOI:
https://doi.org/10.29407/71qvyb91Keywords:
Convolutional Neural Network, deep learning, identifikasi citra, jambu biji, real-timeAbstract
Penelitian ini membahas pengembangan sistem identifikasi jenis jambu biji secara real-time menggunakan metode Convolutional Neural Network (CNN). Pemilihan topik ini dilatarbelakangi oleh masih banyaknya proses identifikasi jenis jambu biji yang dilakukan secara manual sehingga berpotensi menimbulkan kesalahan klasifikasi. Metode penelitian yang digunakan adalah pendekatan deep learning dengan CNN melalui tahapan pengumpulan dataset citra jambu biji merah dan jambu biji putih, pra-pemrosesan citra, pelatihan model, serta pengujian dan evaluasi sistem. Model CNN dilatih menggunakan data citra digital dan diimplementasikan pada sistem berbasis kamera untuk melakukan identifikasi secara langsung. Hasil pengujian menunjukkan bahwa sistem mampu mengklasifikasikan jenis jambu biji dengan tingkat akurasi yang tinggi serta waktu respon yang cepat. Evaluasi menggunakan confusion matrix memperlihatkan nilai presisi, recall, dan F1-score yang seimbang pada masing-masing kelas. Dengan demikian, penelitian ini membuktikan bahwa penerapan CNN efektif digunakan untuk identifikasi jenis jambu biji secara real-time dan berpotensi dikembangkan lebih lanjut sebagai sistem pendukung di bidang pertanian dan pengolahan hasil buah.
Downloads
References
[1] D. Ayub and D. Fitrilinda, “Budidaya Jambu Biji dalam Meningkatkan Perekonomian Masyarakat ( Studi Literature ),” vol. 7, pp. 14304–14309, 2024.
[2] R. A. Nugraha, E. W. Hidayat, N. I. Kurniati, and R. N. Shofa, “Klasifikasi Jenis Buah Jambu Biji Menggunakan Algoritma Principal Component Analysis dan K-Nearest Neighbor,” vol. 7, no. 1, pp. 1–7, 2023.
[3] C. Engineering, “(Journal of Computer Engineering, System and Science),” vol. 10, no. 2, pp. 517–529, 2025.
[4] V. No, N. B. Pamungkas, and A. Suhendar, “Edumatic : Jurnal Pendidikan Informatika Penerapan Metode Convolutional Neural Network pada Sistem Klasifikasi Penyakit Tanaman Apel berdasarkan Citra Daun,” vol. 8, no. 2, pp. 675–684, 2024, doi: 10.29408/edumatic.v8i2.27958.
[5] J. Vicky et al., “Implementasi Pendeteksi Penyakit pada Daun Alpukat Menggunakan Metode CNN,” vol. 2, pp. 155–162, 2023.
[6] N. Rinanto, R. A. Putri, M. Ardiana, A. Khumaidi, and E. Nafiatus, “Sistem Deteksi dan Pengenalan Wajah Real-Time dengan Haar Cascade dan CNN Untuk Otomatisasi Kehadiran Mahasiswa Automated Student Attendance System Based on Real-Time Face Detection and Recognition Using Haar Cascade and CNN,” vol. 7, no. 2, pp. 203–210, 2025.
[7] H. K. Zulfiani and A. Abdullah, “IDENTIFIKASI DAUN HERBAL UNTUK TANAMAN OBAT MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK ( CNN ),” vol. 9, no. 6, pp. 10429–10435, 2025.
[8] M. Rizal et al., “DETEKSI AWAL PENYAKIT TANAMAN BERBASIS CITRA DAUN : STUDI PERBANDINGAN ALGORITME SVM DAN CNN,” vol. 1, no. 1, pp. 61–76, 2025.
[9] F. R. Valerian et al., “Klasifikasi tingkat obesitas menggunakan metode gbm dan confusion matrix,” vol. 9, no. 2, pp. 2242–2249, 2025.
[10] M. M. Ibrahim, R. Rahmadewi, L. Nurpulaela, F. Teknik, and U. S. Karawang, “PENDETEKSIAN NOMINAL UANG PADA GAMBAR MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK : INTEGRASI METODE PRA- PEMROSESAN CITRA DAN KLASIFIKASI BERBASIS CNN,” vol. 7, no. 2, pp. 1395–1400, 2023.
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Rino Syahra Prasetiyo
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
