TA MEKATRONIKA
Sistem Klasifikasi Kematangan dan Ukuran Prototipe Buah Manggis dengan Metode Computer Vision Berbasis Machine Learning pada Raspberry Pi
Manggis (Garcinia mangostana L) merupakan komoditas unggulan Indonesia dengan nilai ekonomi tinggi, terutama di Kabupaten Purwakarta, Jawa Barat. Namun, proses sortasi tingkat kematangan dan ukuran buah pascapanen masih dilakukan secara manual, yang bersifat subjektif, tidak konsisten, dan memerlukan waktu serta tenaga besar. Untuk meningkatkan efisiensi dan akurasi, diperlukan teknologi berbasis Computer Vision dan Machine Learning yang dapat mengotomatisasi proses klasifikasi. Penelitian ini mengembangkan sistem klasifikasi tingkat kematangan dan ukuran protipe buah manggis menggunakan model Machine Learning berbasis TensorFlow yang diintegrasikan dengan Raspberry Pi. Model dikembangkan melalui Teachable Machine dan dikonversi ke TensorFlow Lite untuk inferensi real-time menggunakan Webcam. Hasil klasifikasi di visualisasikan dalam layar monitor serta disimpan dalam format CSV. Selain itu, sistem ini juga mengontrol mekanisme sortir buah secara otomatis menggunakan motor servo berdasarkan hasil klasifikasi. Penelitian ini berhasil mengintegrasikan program Machine Learning dan Raspberry Pi untuk inferensi real-time menggunakan Webcam Hasil pengujian menunjukkan bahwa sistem mampu mengidentifikasi tingkat kematangan dan ukuran buah dengan performa yang baik saat memprediksi Kelas Mentah dengan Precision 97.6%, Recall 83.1% dan F1 Score 89.8% serta Confidence 98.45 %. Sistem ini juga memproses klasifikasi dengan efisien dimana Inference Time 17.09 ms dan FPS 56.09. dengan demikian penelitian mampu menjalakan klasifikasi secara efisien dan real time untuk mengklasifikasi tingkat kematangan dan ukuran prototipe buah manggis. Kata kunci: Computer Vision, Machine Learning, Image Classification, Raspberry Pi, Image Processing, mangosteen classification.
No other version available