Klasifikasi Tingkat Kematangan Buah Pisang Berdasarkan Pendekatan Model Algoritma
DOI:
https://doi.org/10.30595/jrre.v7i2.26293Keywords:
Klasifikasi kematangan pisang, pembelajaran mesin, deep learning, pengolahan citra, efisiensi implementasiAbstract
Penelitian ini bertujuan untuk menganalisis dan membandingkan kinerja berbagai algoritma pembelajaran mesin dan deep learning dalam klasifikasi tingkat kematangan buah pisang berdasarkan citra digital dan data sensorik. Kajian ini menggunakan pendekatan tinjauan sistematis terhadap 23 publikasi ilmiah terkini yang membahas penerapan algoritma seperti Naïve Bayes, K-Nearest Neighbor (KNN), Support Vector Machine (SVM), Artificial Neural Network (ANN), dan Convolutional Neural Network (CNN). Analisis dilakukan dengan mempertimbangkan aspek akurasi, kompleksitas dataset, serta konteks implementasi di lapangan. Hasil penelitian menunjukkan bahwa metode tradisional seperti KNN dan SVM efisien digunakan pada dataset kecil dengan fitur sederhana, sedangkan metode berbasis deep learning seperti CNN, ResNet, dan VGG-19 memberikan akurasi tertinggi (>95%) pada dataset besar dan kompleks. Meskipun demikian, keterbatasan daya komputasi dan waktu pelatihan menjadi tantangan utama dalam implementasi di kondisi nyata. Kesimpulan dari studi ini menegaskan bahwa model hibrida yang mengintegrasikan efisiensi algoritma klasik dengan kemampuan generalisasi deep learning merupakan arah pengembangan potensial untuk sistem klasifikasi kematangan buah pisang yang lebih adaptif dan presisi
References
[1] N. L. F. Ekayanti, F. Megawati, and N. L. K. A. A. Dewi, "Pemanfaatan Tanaman Pisang (Musa Paradisiaca L.) Sebagai Sediaan Kosmetik: Artikel Review," Usadha, vol. 2, no. 2, pp. 19–24, 2023. DOI: 10.36733/Usadha.V2i2.6217.
[2] R. T. Wulandari, N. Widyastuti, and M. Ardiaria, "Perbedaan Pemberian Pisang Raja dan Pisang Ambon terhadap VO2max pada Remaja di Sekolah Sepak Bola," Journal of Nutrition College, vol. 7, no. 1, p. 8, 2018. DOI: 10.14710/JNC.V7i1.20773.
[3] M. P. Sirappa, "Potensi Pengembangan Tanaman Pisang: Tinjauan Syarat Tumbuh dan Teknik Budidaya Pisang dengan Metode BIT," Jurnal Ilmiah Agrosaint, vol. 12, no. 2, 2022.
[4] F. Dwivany, K. Wikantika, A. Sutanto, F. Ghazali, C. Lim, and G. Kamalesha, Pisang Indonesia, 1st ed., Bandung: ITB Press, 2021.
[5] S. Suryalita, "Review Beraneka Ragam Jenis Pisang dan Manfaatnya," in Prosiding Seminar Nasional Biodiversitas Indonesia, Gowa, Jul. 20, 2019.
[6] N. W. Wulansari and M. Muslih, "Implementasi Metode Convolutional Neural Network untuk Deteksi Kematangan Buah Pisang Menggunakan Inception V3," JOINS (Journal of Information System), vol. 8, no. 2, pp. 147–155, 2023. DOI: 10.33633/JOINS.V8i2.9074.
[7] M. S. Y. Radiena, "Umur Optimum Panen Pisang Kepok (Musa Paradisiaca, L.) terhadap Mutu Tepung Pisang," Majalah Biam, vol. 12, no. 2, pp. 27–33, 2016.
[8] D. Chaniago, B. Hidayat, and S. A. Wibowo, "Klasifikasi Buah Pisang Berdasarkan Jenis dan Kematangan Berbasis Pengolahan Citra dengan Kamera Digital," in Classification of Banana Fruit Based on Type and Ripeness Using Image Processing With a Digital Camera, 2011.
[9] F. Zahra, S. Khalid, M. Aslam, and Z. Sharmeen, "Health Benefit of Banana (Musa) – A Review Study," International Journal of Biosciences (IJB), vol. 18, no. 4, pp. 189–199, 2021.
[10] D. Andriansyah, E. Mufida, N. Iriadi, R. S. Anwar, and L. K. Rahayu, "Klasifikasi Kualitas Buah Pisang Berdasarkan Waktu Panen dan Tingkat Kematangan Menggunakan Metode SVM & KNN," Jurnal Satin – Sains dan Teknologi Informasi, vol. 10, no. 1, pp. 147–156, 2024. DOI: 10.33372/STN.V9i2.1000.
[11] S. E. Widodo et al., "Aplikasi Thermal Image Pendeteksi Tingkat Kematangan Buah Pisang dan Apokat," Jurnal Agrotek Tropika, vol. 11, no. 2, p. 165, 2023. DOI: 10.23960/JAT.V11i2.6168.
[12] D. Irhamni, R. Hayati, and H. Hasanuddin, "Pengaruh Tingkat Kematangan dan Lama Penyimpanan terhadap Kualitas Pisang Mas (Musa Acuminata Colla)," Jurnal Agrotropika, vol. 22, no. 2, p. 145, 2023. DOI: 10.23960/JA.V22i2.7883.
[13] W. D. Widodo, K. Suketi, and R. Rahardjo, "Evaluasi Kematangan Pascapanen Pisang Barangan untuk Menentukan Waktu Panen Terbaik Berdasarkan Akumulasi Satuan Panas," Buletin Agrohorti, vol. 7, no. 2, pp. 162–171, 2019. DOI: 10.29244/AGROB.7.2.162171.
[14] D. S. Safitri, I. M. Arti, M. E. E. Miska, and U. Kalsum, "Karakteristik Buah Pisang Mas Kirana pada Berbagai Umur Panen dan Teknik Penyimpanan," Jurnal Teknologi Pangan, vol. 17, no. 2, pp. 70–82, 2023.
[15] E. K. Pramono, "Pengukuran Tingkat Kematangan Buah Pisang Cavendish Berdasarkan Reflektansi Cahaya LED," Jurnal Penelitian Pascapanen Pertanian, vol. 17, no. 2, pp. 88–94, 2020.
[16] S. Wulandari, M. R. Mulia, A. B. Kaswar, D. D. Andayani, and A. S. Agung, "Klasifikasi Kandungan Nutrisi Buah Pisang Berdasarkan Fitur Tekstur dan Warna Lab Menggunakan Jaringan Syaraf Tiruan Berbasis Pengolahan Citra Digital," Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK), vol. 11, no. 3, pp. 507–518, 2024. DOI: 10.25126/JTIIK.938332.
[17] R. Dijaya, Buku Ajar Pengolahan Citra Digital, Sidoarjo: Umsida Press, 2023. DOI: 10.21070/2023/978-623-464-075-5.
[18] C. Kim, S. Kim, Y. Lee, T. M. Nguyen, J. Lee, J. Moon, D. Han, and J. Oh, “A Phage- And Colorimetric Sensor-Based Artificial Nose Model For Banana Ripening Analysis,” Sens. Actuators B Chem., Vol. 362, P. 131763, Jul. 2022, Doi: 10.1016/j.snb.2022.131763.
[19] M. Afriansyah, J. Saputra, V. Y. P. Ardhana, And Y. Sa’adati, “Algoritma Naive Bayes Yang Efisien Untuk Klasifikasi Buah Pisang Raja Berdasarkan Fitur Warna,” J. Inf. Syst. Manag. Digit. Bus., Vol. 1, No. 2, Pp. 236–248, Jan. 2024, Doi: 10.59407/Jismdb.V1i2.438.
[20] E. Dhaniswara, Y. Kristian, And E. I. Setiawan, “Detection Of Banana And Its Ripeness Using Residual Neural Network,” J. Inform. Telecommun. Eng., Vol. 5, No. 1, Pp. 188–197, Jul. 2021, Doi: 10.31289/Jite.V5i1.4844.
[21] I. Najiyah And I. Hariyanti, “Deteksi Jenis Dan Kematangan Pisang Menggunakan Metode Extreme Learning Machine,” J. Responsif Ris. Sains Dan Inform., Vol. 2, No. 2, Pp. 232–242, Aug. 2020, Doi: 10.51977/Jti.V2i2.315.
[22] S. Suthagar, K. S. Tamilselvan, M. Priyadharshini, And B. Nihila, “Determination Of Apple, Lemon, And Banana Ripening Stages Using Electronic Nose And Image Processing,” In Innovations In Cyber Physical Systems, Vol. 788, J. Singh, S. Kumar, And U. Choudhury, Eds., In Lecture Notes In Electrical Engineering, Vol. 788. , Singapore: Springer Singapore, 2021, Pp. 755–769. Doi: 10.1007/978-981-16-4149-7_70.
[23] Hendrick, Efrizon, Yultrisna, Humaira, M. Botto-Tobar, And Y. Silvia, “E-Nose Application For Detecting Banana Fruit Ripe Levels Using Artificial Neural Network Backpropagation Method,” Int. J. Data Sci., Vol. 3, No. 1, Pp. 11–18, Jun. 2022, Doi: 10.18517/Ijods.3.1.11-18.2022.
[24] L. A. Swarga, K. Setyajdit, And I. A. Wardah, “Identifikasi Kematangan Jenis Buah Pisang Menggunakan Modul Kamera, Image Processing Dan Algoritma Som”. J. Innovative, Vol. 3, No. 5, Pp. 3088-3097, 2023.
[25] N. S. Limin, J. Y. Sari, And I. P. N. Purnama, “Identifikasi Tingkat Kematangan Buah Pisang Menggunakan Metode Ektraksi Ciri Statistik Pada Warna Kulit Buah,” Ultimatics, Vol. 10, No. 2, Pp. 98–102, Mar. 2019, Doi: 10.31937/Ti.V10i2.1004.
[26] A. Arjun, “Klasifikasi Citra Pada Tingkat Kematangan Buah Pisang Menggunakan Algoritma Deep Learning,” J. Ekon. Manaj. Sist. Inf., Vol. 5, No. 3, Pp. 203–208, Jan. 2024, Doi: 10.31933/Jemsi.V5i3.1786.
[27] Wulandari, Sasmita, M. R. Mulia, A. B. Kaswar, D. D. Andayani, And A. S. Agung, “Klasifikasi Kandungan Nutrisi Buah Pisang Berdasarkan Fitur Tekstur Dan Warna Lab Menggunakan Jaringan Syaraf Tiruan Berbasis Pengloahan Citra Digital,” J. Teknologi Informasi dan Ilmu Komputer (JTIIK), Vol. 11, No. 3, Pp. 507-518, Jun. 2024, Doi : 10.25126/jtiik 938332.
[28] M. F. Ajizi, D. Syauqy, And M. H. H. Ichsan, “Klasifikasi Kematangan Buah Pisang Berbasis Sensor Warna Dan Sensor Load Cell Menggunakan Metode Naive Bayes,” J. Pengembangan Teknologi Informasi dan Ilmu Komputer, Vol. 3, No. 3, Pp. 2472-2479, Mar. 2019, e-ISSN: 2548-964X.
[29] A. I. Hanifah And A. Hermawan, “Klasifikasi Kematangan Pisang Menggunakan Metode Convolutional Neural Network,” Komputika J. Sist. Komput., Vol. 12, No. 2, Pp. 49–56, Sep. 2023, Doi: 10.34010/Komputika.V12i2.9999.
[30] D. Armiady And I. Muslem R, “Klasifikasi Kualitas Buah Pisang Berdasarkan Citra Buah Menggunakan Stochastic Gradient Descent,” J. Klik, Vol. 4, No. 2, Pp. 1207-1215, Okt. 2023, Doi: 10.30865/klik.v4i2.1243.
[31] D. Andriansyah, E. Mufida, N. Iriadi, R. S. Anwar, And L. K. Rahayu, “Klasifikasi Kualitas Buah Pisang Berdasarkan Waktu Panen dan Tingkat Kematangan Menggunakan Metode SVM & KNN,” J. Satin, Vol. 10, No. 1, Pp. 147-156, Jun. 2024, Doi: 10.33372/stn.v9i2.1000.
[32] F. A. Haq, M. Kurniawan, D. Bagus S, M. A. Wicaksono, And P. S. Alala, “Klasifikasi Tingkat Kematangan Buah Pisang Menggunakan Metode Cnn Arsitektur Vgg19,” J. Tika, Vol. 9, No. 2, Pp. 131-136, Agst. 2024, e-ISSN: 2503-1171.
[33] R. Kosasih, “Klasifikasi Tingkat Kematangan Pisang Berdasarkan Ekstraksi Fitur Tekstur Dan Algoritme KNN,” J. Nas. Tek. Elektro Dan Teknol. Inf., Vol. 10, No. 4, Pp. 383–388, Nov. 2021, Doi: 10.22146/Jnteti.V10i4.462.
[34] Mirfan, Sudriawan, U. Laela And M. Jumarlis, “Kombinasi Algoritma Knn, Hsv Dan Lbp Pada Pengolahan Citra Digital Untuk Membedakan Kematangan Pisang,” Prosiding Sem. Nas. Sisfotek, No. 8, Pp. 588-593, 2024, ISSN: 2597-3584.
[35] Dahriansah And Nofriadi, “Menentukan Jenis Pisang Terbaik Menggunakan Metode Moora Pada Perkebunan Pisang Cik Batubara,” Gudang Jurnal Multidisiplin Ilmu, Vol. 1, No. 1, Pp. 64-69, Jul. 2023, Doi: 10.59435/gjmi.v1i1.31.
[36] E. K. Pramono, “Pengukuran Tingkat Kematangan Buah Pisang Cavendish Berdasarkan Reflektansi Cahaya Led Measurement Of Cavendish Banana Ripeness Stage Based On Led Light Reflectance,” J. Penelitian Pascapanen Pertanian, Vol. 17, No. 2, Pp. 88-94, Sep. 2020.
[37] P. Saputra, D. Syauqy, And H. Fitriyah, “Rancang Bangun Sistem Klasifikasi Tingkat Kematangan Pisang Berdasarkan Warna Kulit Dan Berat Menggunakan Metode K-Nearest Neighbor Berbasis Arduino,” J. Pengembangan Teknologi Informasi dan Ilmu Komputer, Vol. 5, No. 10, Pp. 4543-4548, Okt. 2021. e-ISSN: 2548-964X.
[38] I. A. Sabilla, C. S. Wahyuni, C. Fatichah, dan D. Herumurti, “Determining banana types and ripeness from image using machine learning methods,” Proc. 2019 International Conference of Artificial Intelligence and Information Technology (ICAIIT 2019), Yogyakarta, Indonesia, Mar. 2019, pp. 407–412, doi: 10.1109/ICAIIT.2019.8834490.
[39] R. E. Saragih dan A. W. R. Emanuel, “Banana Ripeness Classification Based on Deep Learning using Convolutional Neural Network,” Proc. IEEE 2021, doi: 10.1109/EIConCIT50028.2021.9431928.
[40] M. H. Ferdaus, R. H. Prito, A. A. S. Rasel, et al., “Banana Image BD: A Comprehensive Banana Image Dataset for Classification of Banana Varieties and Detection of Ripeness Stages in Bangladesh,” Data in Brief, vol. 58, 2025, Art. no. 111239, doi: 10.1016/j.dib.2024.111239.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 Jurnal Riset Rekayasa Elektro
This work is licensed under a Creative Commons Attribution 4.0 International License.
Authors who publish with this journal agree to the following terms:
Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).
Jurnal Riset Rekayasa Elektro is licensed under a Creative Commons Attribution 4.0 International License.
Login
Peer Review Process
Author Guidelines
Indexing
