EUVIMEDEUVIMED entdecken
Open Access · CC BY 4.0

Klasifikasi Kematangan Stroberi Menggunakan OpenCV, CNN EfficientNet-B0, dan Grad-CAM Berbasis Web

Dion Arifin, Tomi Tri Sujaka, I Nyoman Switrayana

RIGGS: Journal of Artificial Intelligence and Digital Business · 31.07.2026 · 5 (2) · 24276-24286

DOI: 10.31004/riggs.v5i2.12873 ↗

Kurz gefasst

Fachartikel in der Zeitschrift RIGGS: Journal of Artificial Intelligence and Digital Business, online erschienen am 31.07.2026. Verfasst von Dion Arifin und 2 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Penilaian tingkat kematangan buah stroberi secara manual bersifat subjektif, memerlukan pengalaman, dan memakan waktu, sehingga dibutuhkan sistem klasifikasi otomatis yang akurat, transparan, serta mudah diakses. Penelitian ini mengembangkan sistem klasifikasi tingkat kematangan stroberi berbasis web dengan memanfaatkan Open Source Computer Vision Library (OpenCV) untuk pemrosesan citra dan Convolutional Neural Network berarsitektur EfficientNet-B0 melalui transfer learning dengan strategi partial fine-tuning. Dataset terdiri atas 677 citra stroberi yang diperoleh dari Kecamatan Sembalun, Kabupaten Lombok Timur, dan repositori publik, kemudian dikelompokkan ke dalam kelas “Dapat Dipetik” dan “Tidak Dapat Dipetik”. Data dibagi menggunakan stratified random sampling melalui tiga skenario rasio latih, validasi, dan uji, yaitu 80:10:10, 70:15:15, dan 60:20:20. Transparansi keputusan model diwujudkan melalui Gradient-weighted Class Activation Mapping (Grad-CAM) yang diproses bersama OpenCV untuk menghasilkan heatmap dan overlay. Sistem dikembangkan menggunakan FastAPI, dikemas melalui Docker, dan disebarkan pada Hugging Face Spaces. Hasil pengujian menunjukkan bahwa rasio 80:10:10 menghasilkan kinerja paling stabil dengan akurasi validasi akhir sebesar 97,79% dan F1-score rata-rata tertimbang sebesar 97,79%. Visualisasi Grad-CAM menunjukkan bahwa model berfokus pada tekstur dan pigmentasi buah, bukan pada latar belakang. Temuan ini menunjukkan bahwa integrasi EfficientNet-B0, Grad-CAM, OpenCV, dan layanan web mampu menyediakan klasifikasi kematangan stroberi yang akurat, dapat dijelaskan, responsif, dan berpotensi mendukung pengambilan keputusan panen.

Zitieren

APA

Arifin, D., Sujaka, T. T., & Switrayana, I. N. (2026). Klasifikasi Kematangan Stroberi Menggunakan OpenCV, CNN EfficientNet-B0, dan Grad-CAM Berbasis Web. RIGGS: Journal of Artificial Intelligence and Digital Business, 5(2), 24276-24286. https://doi.org/10.31004/riggs.v5i2.12873

Vancouver

Arifin D, Sujaka TT, Switrayana IN. Klasifikasi Kematangan Stroberi Menggunakan OpenCV, CNN EfficientNet-B0, dan Grad-CAM Berbasis Web. RIGGS: Journal of Artificial Intelligence and Digital Business. 2026;5(2):24276-24286. doi:10.31004/riggs.v5i2.12873

BibTeX
@article{Arifin2026,
  author = {Arifin, Dion and Sujaka, Tomi Tri and Switrayana, I Nyoman},
  title = {Klasifikasi Kematangan Stroberi Menggunakan OpenCV, CNN EfficientNet-B0, dan Grad-CAM Berbasis Web},
  journal = {RIGGS: Journal of Artificial Intelligence and Digital Business},
  year = {2026},
  volume = {5},
  number = {2},
  pages = {24276--24286},
  doi = {10.31004/riggs.v5i2.12873}
}
Kostenlos starten →