Klasifikasi Tingkat Kematangan Buah Cabai Menggunakan Metode CNN (Convolutional Neural Network) Berbasis Citra

Klasifikasi tingkat kematangan buah cabai merupakan tantangan penting dalam sektor pertanian, khususnya untuk menjamin kualitas hasil panen dan efisiensi proses penyortiran. Penelitian ini bertujuan untuk mengembangkan
model klasifikasi otomatis tingkat kematangan buah cabai rawit menggunakan metode Convolutional Neural Network (CNN) berbasis citra. Dataset yang digunakan terdiri dari 300 citra cabai yang terbagi dalam tiga kelas kematangan,
yaitu mentah, setengah matang, dan matang. Data mengalami proses augmentasi untuk meningkatkan variasi dan diolah melalui preprocessing berupa penyesuaian ukuran citra dan normalisasi piksel. Model CNN dibangun menggunakan pendekatan transfer learning dengan arsitektur MobileNetV2, dilengkapi lapisan GlobalAveragePooling, Dense, dan Dropout. Hasil pelatihan menunjukkan model mencapai akurasi klasifikasi sebesar 97,78% pada data uji, dengan nilai presisi, recall, dan F1-score yang tinggi pada semua kelas. Temuan ini membuktikan bahwa metode CNN efektif dalam membedakan tingkat kematangan buah cabai secara otomatis, sehingga berpotensi besar untuk diterapkan dalam sistem
penyortiran digital di sektor pertanian.
Kata kunci: CNN, klasifikasi gambar, tingkat kematangan, cabai rawit, MobileNetV2, deep learning