Implementasi Deep Learning Pada Prediksi Waktu Kebusukan Pisang menggunakan Convolutional Neural Network (Studi Kasus : Prediksi Waktu Kebusukan Pisang Ambon )

Abstract

Pisang Ambon merupakan komoditas tropis bernilai ekonomi tinggi di Indonesia, tetapi mudah membusuk setelah matang sehingga menyulitkan distribusi. Penelitian ini bertujuan memprediksi waktu pembusukan pisang berdasarkan citra visual menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur VGG16. Model dikembangkan untuk mengklasifikasikan pisang ke dalam empat kelas: 3 hari lagi busuk, 2 hari lagi busuk, 1 hari lagi busuk dan busuk. Gambar dikumpulkan secara lokal di Yogyakarta dengan pencahayaan seragam dan dilatih selama 30 epoch menggunakan categorical crossentropy, optimisasi Adam, dan early stopping. Model mencapai akurasi 93.11% pada data uji, dengan precision, recall, dan f1-score rata-rata 0.93; 0.93; dan 0.93. Pada data baru di luar pelatihan, model memprediksi kelas “3 hari lagi busuk” dengan tingkat kepercayaan 99.38%. Hasil ini menunjukkan bahwa model memiliki kemampuan generalisasi yang baik dan berpotensi membantu konsumen dalam memilih pisang sesuai kebutuhan konsumsi, menjaga kandungan gizi tetap optimal, serta mengurangi pemborosan akibat pembusukan. Studi ini juga membuka peluang penerapan pada komoditas buah lainnya.