Aplikasi Pendeteksi Jenis Dan Kematangan Buah Pisang Menggunakan Metode Convolutional Neural Network Berbasis Android

Abstract

Perkembangan teknologi kecerdasan buatan telah menghadirkan peluang baru dalam otomatisasi proses penilaian kualitas hasil pertanian, termasuk buah pisang yang merupakan komoditas penting di Indonesia. Penelitian ini bertujuan untuk mengembangkan aplikasi berbasis Android yang mampu mendeteksi jenis dan tingkat kematangan buah pisang menggunakan metode Convolutional Neural Network (CNN). Dataset citra pisang dikumpulkan dari Warung Buah Saiful dan lingkungan sekitarnya dengan berbagai kondisi pencahayaan dan latar belakang, kemudian melalui tahapan pra-pemrosesan dan augmentasi untuk meningkatkan variasi dan akurasi model. Model CNN dilatih untuk mengklasifikasikan jenis pisang sekaligus menentukan tingkat kematangan berdasarkan karakteristik visual kulit buah. Setelah pelatihan, model dikonversi ke format TensorFlow Lite agar dapat diimplementasikan pada perangkat mobile secara efisien. Hasil pengujian menunjukkan bahwa aplikasi mampu memberikan prediksi yang cukup akurat serta berjalan dengan stabil pada perangkat Android. Aplikasi ini memberikan manfaat nyata bagi penjual, petani, dan konsumen, karena membantu mengurangi subjektivitas dalam penilaian kematangan dan meminimalkan risiko kesalahan dalam memilih buah pisang. Selain itu, sistem ini mendukung peningkatan efisiensi operasional, baik dalam proses panen maupun penjualan. Dengan demikian, penelitian ini menunjukkan bahwa integrasi CNN dan teknologi mobile dapat menjadi solusi praktis untuk mendukung digitalisasi sektor pertanian dan meningkatkan kualitas layanan dalam rantai pasok buah..