IDENTIFIKASI TINGKAT KEMATANGAN DAN KUALITAS BUAH STROBERI MENGGUNAKAN DEEP LEARNING

Abstrak

Stroberi merupakan salah satu buah populer di Indonesia. Pada tahun 2022, BPS mencatat produksi stroberi mencapai 28,895 ton, meningkat 193,05% dari tahun sebelumnya. Jawa Barat menjadi penghasil utama dengan produksi 25,413 ton, mencapai 87,95% dari total produksi. Namun, proses penyortiran masih dilakukan secara konvensional untuk menentukan kematangan dan kualitas buah, sehingga memakan waktu dan sumber daya. Sistem ini memanfaatkan teknologi deep learning dengan model YOLOv7 dan EfficientNetV2S, serta terintegrasi dengan cloud dan diimplementasikan pada aplikasi Android. Aplikasi ini mengirimkan gambar ke sistem deep learning yang akan memproses dan mengklasifikasikan kematangan stroberi, menampilkan tingkat kepercayaan dan hasil klasifikasi di smartphone. Berdasarkan hasil pengujian, sistem dapat mengidentifikasi lima kategori: Matang Grade-A, Matang Grade-B, Setengah Matang Grade-A, Setengah Matang Grade-B, dan Tidak Matang. Nilai loss untuk Box dan Val Box masing-masing 0,02095 dan 0,03029; Objectness dan Val Objectness 0,004057 dan 0,00333; Classification dan Val Classification 0,008343 dan 0,007392. Evaluasi model klasifikasi menghasilkan precision, recall, dan F1-Score masing-masing 0,990 serta akurasi 99%. Waktu pemrosesan di cloud mencapai 1-2 detik dan klasifikasi 180 milidetik. Usability testing pada 33 responden menunjukkan skor dominan 4 dan 5, serta aplikasi dapat diinstal pada berbagai versi Android tanpa memakan banyak ruang memori atau mengalami crash.

Kata kunci : deep learning, cloud, mobile application, matang, kualitas