PENERAPAN CONVOLUTIONAL NEURAL NETWORK (CNN) UNTUK KLASIFIKASI TINGKAT KEMATANGAN CABAI RAWIT MERAH BERDASARKAN WARNA

Abstract

Penentuan tingkat kematangan cabai rawit merah merupakan tahapan penting dalam menjaga kualitas hasil panen, namun proses sortasi yang masih dilakukan secara manual cenderung bersifat subjektif dan rentan terhadap kesalahan klasifikasi. Penelitian ini bertujuan mengembangkan model Convolutional Neural Network (CNN) untuk mengklasifikasikan tingkat kematangan cabai rawit merah berdasarkan warna citra digital ke dalam tiga kategori, yaitu matang, setengah matang, dan belum matang. Penelitian menggunakan 120 citra digital yang terdiri atas 60 citra cabai matang, 40 citra setengah matang, dan 20 citra belum matang, dengan pembagian data sebesar 80% untuk pelatihan dan 20% untuk validasi. Tahapan penelitian meliputi preprocessing berupa resize citra dan augmentasi data, kemudian perancangan model CNN dengan 3 convolution layer, 3 max pooling layer, 1 flatten layer, 3 dense layer, dan 2 dropout layer, menggunakan fungsi aktivasi ReLU dan Softmax serta optimizer Adam. Hasil penelitian menunjukkan bahwa model memperoleh akurasi validasi sebesar 96%, yang menunjukkan kinerja yang baik dalam mengklasifikasikan tingkat kematangan pada dataset validasi penelitian. Dengan demikian, metode CNN efektif diterapkan untuk klasifikasi tingkat kematangan cabai rawit merah dan berpotensi mendukung pengembangan sistem sortasi otomatis yang lebih efisien, konsisten, serta mendukung implementasi teknologi smart farming.

Kata kunci: Convolutional Neural Network, Cabai Rawit Merah, Tingkat Kematangan.