Penerapan Klasifikasi Gambar Buah dalam Aplikasi FruityLens Menggunakan Metode CNN

Bagus Hardika; Mahesa Dzikri Kurniawan; Muhammad Adzka; Daffarizqy Prastowiyono; Apik Banyubasa; Gema Parasti Mindara; Endang Purnama Giri

doi:10.59581/jusiik-widyakarya.v2i4.4275

Authors

Bagus Hardika IPB University
Mahesa Dzikri Kurniawan IPB University
Muhammad Adzka IPB University
Daffarizqy Prastowiyono IPB University
Apik Banyubasa IPB University
Gema Parasti Mindara IPB University
Endang Purnama Giri IPB University

DOI:

https://doi.org/10.59581/jusiik-widyakarya.v2i4.4275

Keywords:

Convolutional Neural Network, fruit classification, educational application

Abstract

This research develops a fruit classification system using Convolutional Neural Network (CNN) in the educational application FruityLens, which helps children recognize different types of fruits through image recognition. The application can identify four types of fruits: apple, banana, orange, and watermelon, utilizing an image dataset from open sources. The research methods include dataset collection, image pre-processing, CNN model training, and classification accuracy evaluation. The results indicate that the developed CNN model achieves high accuracy, supporting children's learning about fruits. This implementation is expected to contribute to the advancement of artificial intelligence technology, specifically in the field of fruit object recognition.

References

Andri Heru Saputra & Dhomas Hatta Fudholi. (2021). Realtime Object Detection Masa Siap Panen Tanaman Sayuran Berbasis Mobile Android Dengan Deep Learning. Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), 5(4), 647–655. https://doi.org/10.29207/resti.v5i4.3190

Bobby Kurniadi W, Hariyanto Prasetyo, Ghifari Ahmad L, Bagas Aditya Wibisono, & Desta Sandya Prasvita. (2021, September 15). Analisis Perbandingan Algoritma SVM dan CNN untuk Klasifikasi Buah.

Christian, J., & Idrus, S. I. A. (2023). Introduction to Citrus Fruit Ripens Using the Deep Learning Convolutional Neural Network (CNN) Learning Method. Asian Journal of Applied Education (AJAE), 2(3), 459–470.

https://doi.org/10.55927/ajae.v2i3.5003

Dharma Adhinata, F. (2023). Image Processing on Agricultural Dataset Using Parallel Processing Based on Python. International Journal of Advanced Networking and Applications, 15(01), 5786–5790. https://doi.org/10.35444/IJANA.2023.15106

Dinata, M. I., Sulistianingsih, N., & Yusuf, S. A. A. (t.t.). IMPLEMENTASI DEEP LEARNING DALAM KLASIFIKASI CITRA GAMBAR DENGAN MENGGUNAKAN METODE CNN.

Edwin Febrywinata. (2024). Pengenalan Dan Klasifikasi Jenis Buah Menggunakan Metode CNN Secara Sederhana Dengan Menggunakan Google Colab. Merkurius : Jurnal Riset Sistem Informasi dan Teknik Informatika, 2(4), 185–193. https://doi.org/10.61132/merkurius.v2i4.162

Gunardi, M. F. (t.t.). Implementasi Augmentasi Citra pada Suatu Dataset.

Hr.Wibi Bagas N, Evang Mailoa, & Hindriyanto Dwi Purnomo. (2020). Deteksi Buah untuk Klasifikasi Berdasarkan Jenis dengan Algoritma CNN Berbasis YOLOv3. Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), 4(3), 476–481.

Huda, F., & Putra, M. P. K. (2023). Klasifikasi Jenis Buah Pisang Menggunakan Algoritma Convolutional Neural Network. 1(3).

Idris, I. S. K., & Bode, A. (2023). Klasifikasi Jenis Buah Tomat Menggunakan Covolutional Neural network. 2(2).

Jumaryadi, Y., Ihsan, A. M., & Priambodo, B. (t.t.). Klasifikasi Jenis Buah-Buahan Menggunakan Citra Digital Dengan Metode Convolutional Neural Networks.

Maulana, F. F., & Rochmawati, N. (2020). Klasifikasi Citra Buah Menggunakan Convolutional Neural Network. Journal of Informatics and Computer Science (JINACS), 1(02), 104–108. https://doi.org/10.26740/jinacs.v1n02.p104-108

Noris, S., & Waluyo, A. (2023). Penerapan Deep Learning untuk Klasifikasi Buah Menggunakan Algoritma Convolutional Neural Network (CNN). Jurnal Teknologi Sistem Informasi dan Aplikasi, 6(1), 39–46. https://doi.org/10.32493/jtsi.v6i1.29648

Nurul Safitri. (2023). IMPLEMENTASI DEEP LEARNING MENGKLASIFIKASI KEMATANGAN BUAH MERAH MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK BERBASIS ANDROID. UNIVERSITAS MUHAMMADIYAH SORONG.

Paraijun, F., Aziza, R. N., & Kuswardani, D. (2022). Implementasi Algoritma Convolutional Neural Network Dalam Mengklasifikasi Kesegaran Buah Berdasarkan Citra Buah. KILAT, 11(1), 1–9.

https://doi.org/10.33322/kilat.v10i2.1458

Peryanto, A., Yudhana, A., & Umar, R. (2020). Rancang Bangun Klasifikasi Citra Dengan Teknologi Deep Learning Berbasis Metode Convolutional Neural Network. Format : Jurnal Ilmiah Teknik Informatika, 8(2), 138.

https://doi.org/10.22441/format.2019.v8.i2.007

Putra, F. A., Irawan, D., & Wulandari, C. (2024). Penerapan Metode CNN (Convulution Neural Network) Dalam Klasifikasi Buah. 6(1).

Rhamadiyanti, D. T. (t.t.). Analisa Performa Convolutional Neural Network dalam Klasifikasi Citra Apel dengan Data Augmentasi.

Siwilopo, K. P., & Marcos, H. (2023). MEMBANDINGKAN KLASIFIKASI PADA BUAH JERUK MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK DAN K-NEAREST NEIGHBOR. Komputa : Jurnal Ilmiah Komputer dan Informatika, 12(1), 57–64.

https://doi.org/10.34010/komputa.v12i1.9068

Yanto, B., Fimawahib, L., Supriyanto, A., Hayadi, B. H., & Pratama, R. R. (2021). Klasifikasi Tekstur Kematangan Buah Jeruk Manis Berdasarkan Tingkat Kecerahan Warna dengan Metode Deep Learning Convolutional Neural Network. INOVTEK Polbeng - Seri Informatika, 6(2), 259.

https://doi.org/10.35314/isi.v6i2.2104

Yazid Fauzan Nur Ashfani, Yovi Litanianda, & Rizqy Amalia Putri. (2024). Klasifikasi Jenis Buah Jeruk Menggunakan Metode Convolutional Neural Network: Deep Learning Studi. Uranus : Jurnal Ilmiah Teknik Elektro, Sains dan Informatika, 2(2), 70–79. https://doi.org/10.61132/uranus.v2i2.129