KLASIFIKASI VARIETAS JERUK PAMELO PANGKEP MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK

Jeruk pamelo (Citrus maxima (Burm) Merr) merupakan tanaman buah asli Indonesia yang bernilai ekonomi tinggi. Ada banyak kultivar jeruk pamelo yang ditemukan di seluruh Indonesia, antara lain Bali Merah, Cikoneng, Nambangan, Raja, Ratu dan Pangkep. Pengepul dan konsumen seringkali sulit dalam membedakan jenis buah karena warna, tekstur, serta ukuran yang hampir sama. Perkembangan ilmu pengetahuan dan teknologi pengolahan citra digital dapat membantu pengepul dan konsumen dengan mengembangkan suatu sistem yang dapat mengidentifikasi varietas buah jeruk pamelo secara otomatis dan akurat. Penelitian ini bertujuan untuk mengklasifikasikan varietas jeruk pamelo pangkep ke dalam 4 kategori dengan menggunakan metode Convolutional Neural Network (CNN) yang akan mendeteksi ciri dari setiap citra untuk menentukan varietas jeruk sesuai kelasnya. Penelitian ini juga bertujuan untuk mengetahui arsitektur mana yang memiliki performa tinggi dengan kombinasi hyperparameter sehingga menghasilkan model yang paling optimal serta mengetahui tingkat keakuratan kerja dari sistem yang telah dibuat. Sistem dibangun dengan menggunakan metode Deep Learning Convolutional Neural Network (CNN) dengan Library TensorFlow lalu model tersebut di convert ke TensorFlow Lite untuk penerapan pada android. Arsitektur model yang digunakan adalah xception. Total data yang digunakan sebanyak 1600 citra yang terbagi kedalam 4 label kelas yaitu bencong, gula-gula, merah dan putih. Hasil training model xception didapatkan kombinasi hyperparameter yang optimal yaitu 40 epoch, 64 batch size, no dropout rate, dan learning rate 0.0001 dari proses pelatihan dengan jumlah data sebanyak 1600 citra dengan pembagian 80% data latih, 10% tes dan 10% validasi memberikan akurasi training sebanyak 97.50% serta model yang sudah dilatih tersebut untuk memprediksi seluruh dataset pada semua kelasnya memiliki akurasi sebanyak 93.44%. Hasil training model xception menggunakan hyperparameter dari keras tuner memberikan akurasi training sebanyak 98.12% dan hasil prediksi seluruh dataset pada semua kelas mencapai akurasi 93.50%. Hasil testing dengan menggunakan 40 citra sampel data baru diperoleh akurasi sebesar 92.50%.