EUVIMEDEUVIMED entdecken
Open Access · CC BY-SA 4.0

Klasifikasi Real-Time Tingkat Kematangan Buah Carica Menggunakan Convolutional Neural Network dan Grad-CAM

Wahyu Suhardiyono, Nahar Mardiyantoro, Saifu Rohman

ANTHOR: Education and Learning Journal · 16.07.2026 · 5 (4) · 664-671

DOI: 10.31004/anthor.v5i4.866 ↗

Kurz gefasst

Fachartikel in der Zeitschrift ANTHOR: Education and Learning Journal, online erschienen am 16.07.2026. Verfasst von Wahyu Suhardiyono und 2 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY-SA 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Buah Carica (Carica pubescens) merupakan komoditas unggulan dataran tinggi Dieng, Wonosobo, yang kualitas produk olahannya sangat ditentukan oleh tingkat kematangan saat panen. Penentuan kematangan secara manual melalui pengamatan warna kulit dan perabaan tekstur bersifat subjektif, tidak konsisten, dan rentan kelelahan. Penelitian ini bertujuan membangun sistem klasifikasi tingkat kematangan buah Carica ke dalam tiga kelas (Mentah, Mengkal, Matang) secara real-time menggunakan Convolutional Neural Network (CNN) berarsitektur MobileNetV2 melalui pendekatan transfer learning dan fine-tuning dua fase, dilengkapi visualisasi Explainable Artificial Intelligence (XAI) berbasis Gradient-weighted Class Activation Mapping (Grad-CAM) untuk mengatasi sifat black box model. Dataset berjumlah 1.800 citra hasil akuisisi mandiri (600 citra per kelas), dibagi menjadi 1.440 citra latih dan 360 citra validasi. Model diintegrasikan ke dalam aplikasi web berbasis Flask untuk klasifikasi real-time melalui kamera. Hasil evaluasi menunjukkan model TensorFlow Lite mencapai akurasi 90,56% pada data validasi, sementara pengujian dinamis real-time terhadap 90 sampel buah menghasilkan akurasi rata-rata 95,5% dengan kecepatan pemrosesan stabil 60 FPS, melampaui ambang kebutuhan real-time sebesar 24 FPS. Visualisasi Grad-CAM membuktikan model secara konsisten memfokuskan perhatian pada gradasi warna kulit buah sebagai fitur penentu kematangan, sehingga sistem tidak hanya akurat tetapi juga transparan dan dapat dipertanggungjawabkan secara visual kepada pengguna, khususnya petani dan pelaku UMKM pengolahan Carica.

Zitieren

APA

Suhardiyono, W., Mardiyantoro, N., & Rohman, S. (2026). Klasifikasi Real-Time Tingkat Kematangan Buah Carica Menggunakan Convolutional Neural Network dan Grad-CAM. ANTHOR: Education and Learning Journal, 5(4), 664-671. https://doi.org/10.31004/anthor.v5i4.866

Vancouver

Suhardiyono W, Mardiyantoro N, Rohman S. Klasifikasi Real-Time Tingkat Kematangan Buah Carica Menggunakan Convolutional Neural Network dan Grad-CAM. ANTHOR: Education and Learning Journal. 2026;5(4):664-671. doi:10.31004/anthor.v5i4.866

BibTeX
@article{Suhardiyono2026,
  author = {Suhardiyono, Wahyu and Mardiyantoro, Nahar and Rohman, Saifu},
  title = {Klasifikasi Real-Time Tingkat Kematangan Buah Carica Menggunakan Convolutional Neural Network dan Grad-CAM},
  journal = {ANTHOR: Education and Learning Journal},
  year = {2026},
  volume = {5},
  number = {4},
  pages = {664--671},
  doi = {10.31004/anthor.v5i4.866}
}
Kostenlos starten →