Penentuan Kematangan Buah Durian Dengan Menggunakan Kecerdasan Buatan
Pada penelitian ini, data yang digunakan terdiri dari total 12 sampel durian. Setiap sampel durian dievaluasi dengan menggunakan 20 data sensor secara simultan untuk mendapatkan informasi yang komprehensif mengenai kematangan buah. Sampel-sampel tersebut kemudian dibagi menjadi tiga kelompok berdasarkan tingkat kematangannya sebagai label, yaitu: MENTAH, MATANG, dan BUSUK.
Data tersebut kemudian dipersiapkan dan diproses untuk pelatihan model Neural Network. Melalui tahap pelatihan dengan data training, model dilatih untuk mengenali pola-pola yang berkaitan dengan nilai sensor setiap tingkat kematangan durian yang telah diketahui sebagai label. Proses ini dilakukan dengan tujuan agar model dapat membuat prediksi yang akurat saat diberikan data sensor baru.
Setelah pelatihan selesai, model dievaluasi menggunakan data validasi untuk memeriksa kinerjanya. Selanjutnya, model diuji dengan menggunakan data uji yang belum pernah dilihat sebelumnya untuk menguji kemampuannya dalam memberikan prediksi tingkat kematangan durian.
Hasil penelitian menunjukkan bahwa model Neural Network yang dilatih dengan menggunakan kombinasi sensor gas mampu memberikan prediksi tingkat kematangan durian dengan tingkat akurasi yang memuaskan, mencapai sekitar 92%. Hasil ini menunjukkan bahwa pendekatan ini memiliki potensi besar untuk diterapkan dalam industri durian untuk mengevaluasi kematangan buah secara otomatis, obyektif dan akurat.
Dengan demikian, pengembangan alat pendeteksi kematangan buah dengan menggunakan sensor gas dan kecerdasan buatan diharapkan dapat memberikan kontribusi signifikan dalam meningkatkan kualitas dan nilai jual produk durian dalam industri pangan. Selain itu, penelitian ini juga membuka jalan bagi pengembangan teknologi yang lebih canggih dan efektif dalam pengawasan dan evaluasi kualitas produk pangan secara keseluruhan.
Neural Network
Naive Bayes
Komentar
Posting Komentar