KLASIFIKASI SAYURAN ORGANIK DAN NON ORGANIK BERBASIS CITRA DIGITAL DENGAN CONVOLUTIONAL NEURAL NETWORK (CNN)

Abstract

Sayuran merupakan tanaman hortikultura dengan umur relatif singkat serta bersifat musiman. Penggunaan pupuk pada tanaman hortikultura diera pertanian modern secara tidak langsung berdampak pada kesehatan manusia sebagai konsumen dan bagi lingkungan, hal ini meningkatkan kesadaran masyarakat terhadap pola hidup sehat, sehingga permintaan terhadap sayuran organik meningkat. Perbedaan antara sayuran organik dan non organik sulit dikenali secara visual karena memiliki kemiripan bentuk, warna, dan tekstur, sehingga identifikasi manual menjadi subjektif, membutuhkan keahlian khusus, serta berpotensi menimbulkan kesalahan, sedangkan uji laboratorium memerlukan waktu dan biaya yang tinggi. Penelitian ini bertujuan untuk menerapkan metode Convolutional Neural Network (CNN) dalam mengklasifikasikan sayuran organik dan non organik, mengembangkan model yang mampu mengenali perbedaan visual secara akurat, serta meningkatkan kinerja model klasifikasi. Metode CNN digunakan melalui tahapan convolutional layer, pooling layer, dan fully connected layer untuk mengekstraksi dan mengklasifikasikan fitur citra secara otomatis. Dataset yang digunakan terdiri dari 1120 citra sayuran dengan variasi kondisi pencahayaan dan latar belakang. Proses pelatihan model dilakukan menggunakan beberapa skema pelatihan, yaitu K-Fold Cross Validation (5-fold), serta didukung teknik Early Stopping dan Model Checkpoint untuk mengoptimalkan performa model dan mengurangi overfitting. Hasil penelitian menunjukkan bahwa model memiliki kinerja yang konsisten dalam mengklasifikasikan sayuran berdasarkan parameter nilai keseluruhan dengan rata-rata akurasi sebesar 79,02%, sensitivitas 79,02%, dan spesifisitas 98,39%. Selain itu, performa terbaik diperoleh pada fold ke-3 dengan akurasi mencapai 88,39%, sensitivitas 83,39%, dan spesifisitas 99,11%.