KLASIFIKASI TINGKAT KEMATANGAN BUAH TOMAT MENGGUNAKAN DEEP LEARNING

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