Electronic Theses and Dissertation

Industri pertanian sekarang mengalami perkembangan yang cepat, Indonesia ialah salah satu negara yang berpotensi besar di bidang pertanian. Disertai iklim tropis dan curah hujan yang tinggi di sepanjang tahunnya dan tanah pinggiran kota, mendukung bertumbuhnya beragam jenis tumbuhan. Salah satu dari beberapa jenis sayuran yang berpotensi untuk bertumbuh di Indonesia ialah tomat. Proses penentuan kematangan tomat dengan indera manusia masih terbilang sangat sulit dan memakan waktu terutama untuk industri yang memproduksi buah tomat dalam jumlah yang besar. Penelitian ini memiliki solusi melalui penggunaan teknologi yang dapat dipergunakan untuk memudahkan dalam menentukan tingkat kematangan buah tomat serta memperoleh hasil yang semakin membaik. Riset ini mengusulkan penggunaan Deep Learning dengan library Tensorflow dengan algoritma CNN. Tensorflow library yang bisa memberi pelatihan serta menjalankan neural network bagi kebutuhan dalam pengklasifikasian pengenalan ilustrasi, sehingga diharapkan model ini dapat melakukan klasifikasi berdasarkan tingkat level kematangan tomat yang dibagi menjadi tiga ketegori yaitu tomat muda berwarna hijau, tomat setengah matang berwarna hijau kemerahan, tomat matang berawarna kuning atau merah. Hingga warna dari tomat merupakan parameter yang terpenting pada penentuan tingkat kematangan serta mutu dari tomat itu sendiri. Berdasarkan hal tersebut, diperoleh hasil dari penelitian mengenai klasifikasi tingkat kematangan tomat dengan hasil yang baik, hasil akurasi klasifikasi disertai keakuratan total keseluruhan yaitu sebesar 86,66%.

Kata Kunci: Klasifikasi Buah Tomat, Tensorflow, Deep Learning, CNN.

The agricultural industry is now experiencing rapid development, Indonesia is a country with great potential in the agricultural sector. Accompanied by a tropical climate and high rainfall throughout the year and suburban soil, it supports the growth of various types of plants. One of several types of vegetables that have the potential to grow in Indonesia is tomatoes. The process of determining the ripeness of tomatoes by human senses is still very difficult and time consuming, especially for industries that produce tomatoes in large quantities. This research has a solution through the use of technology that can be used to make it easier to determine the level of ripeness of tomatoes and to obtain better results. This research proposes the use of Deep Learning with the Tensorflow library with the CNN algorithm. Tensorflow library that can provide training and run neural networks for needs in classifying introduction to illustrations, so it is hoped that this model can classify based on the level of maturity of tomatoes which are divided into three categories, namely young green tomatoes, half-ripe tomatoes reddish green, ripe tomatoes are colored yellow or red. So the color of the tomatoes is the most important parameter in determining the level of ripeness and the quality of the tomatoes themselves. Based on this, the results obtained from research regarding the classification of tomato maturity levels with good results, the results of classification accuracy accompanied by an overall accuracy of 86.66%. Keywords: Tomato Fruit Classification, Tensorflow, Deep Learning, CNN.