CLASSIFICATION OF MANGO RIPENESS LEVELS BASED ON DIGITAL IMAGES USING YOLOV8
DOI:
https://doi.org/10.35457/4k5j3338Keywords:
YOLOv8, Citra Digital, Kematangan Buah, Deep Learning, KlasifikasiAbstract
Penilaian konvensional terhadap tingkat kematangan buah mangga umumnya didasarkan pada observasi visual. Pendekatan manual ini memiliki keterbatasan karena sangat bergantung pada pengalaman individu serta faktor lingkungan, menjadikannya rentan terhadap inefisiensi dan ketidakakuratan pada operasi skala besar. Untuk mengatasi hal ini, kami mengusulkan solusi otomatis berbasis deep learning melalui implementasi YOLOv8 (You Only Look Once versi 8) untuk klasifikasi kematangan buah mangga. Kami menggunakan dataset yang mencakup 2.328 citra dari Roboflow Universe, yang dikelompokkan menjadi tiga status: mentah, terlalu matang, dan matang. Model dilatih selama 50 epoch dengan resolusi 640 X 640 piksel. Hasil evaluasi menggunakan metrik Precision, Recall, mAP, dan Confusion Matrix menunjukkan kinerja yang superior. Model mencapai mAP50 sebesar 0,84497, mAP50–95 sebesar 0,86308, dan akurasi total 92,13%. Temuan ini mengindikasikan bahwa YOLOv8 merupakan metode deteksi dan klasifikasi yang stabil, cepat, dan efektif untuk pengenalan kematangan buah, sangat mendukung implementasi Smart Farming 4.0.
Downloads
References
[1] [Kementan] Kementerian Pertanian. (2022). Statistik Pertanian Tahun 2021. In Buku.
[2] Solikin, S. (2020). Deteksi Penyakit Pada Tanaman Mangga Dengan Citra Digital : Tinjauan Literatur Sistematis (SLR). Bina Insani Ict Journal, 7(1), 63. https://doi.org/10.51211/biict.v7i1.1336
[3] Indrajati, S. B., Saputra, L. D., & Rosita, D. (2021). Lapang Budidaya Mangga. Direktorat Buah Dan Florikultura, Direktorat Jenderal Hortikultura, 1–60. http://repository.pertanian.go.id/handle/123456789/12473
[4] Muslih, A., Ahadi, M. F., & Rasyid, M. I. (2021). Kematangan Pada Buah Mangga HSI. 5(2), 117–121.
[5] Rahma, L., Syaputra, H., Mirza, A. H., & Purnamasari, S. D. (2021). Objek Deteksi Makanan Khas Palembang Menggunakan Algoritma YOLO (You Only Look Once). Jurnal Nasional Ilmu Komputer, 2(3), 213–232. https://doi.org/10.47747/jurnalnik.v2i3.534
[6] Rachmawati, R. R. (2020). MAJU , MANDIRI , DAN MODERN Smart Farming 4 . 0 to Build Advanced , Independent , and Modern Indonesian Agriculture. Forum Penelitian Agro Ekonomi, 38(2), 137–154.
[7] Rozikin, C., Susilo Yuda Irawan, A., & Singaperbangsa Karawang, U. (2020). Klasifikasi Jenis Buah Mangga. Jurnal Ilmiah Elektroteknika, 20(1), 1–12.
[8] Fadhilah, L., & Hadikurniawati, W. (2024). Deteksi Jenis Buah Mangga Menggunakan Metode CNN (Convolutional Neural Network) Berbasis Android Secara Real-Time. INTECOMS: Journal of Information Technology and Computer Science, 7(4), 1366–1372. https://doi.org/10.31539/intecoms.v7i4.10029
[9] Khairunnas, K., Yuniarno, E. M., & Zaini, A. (2021). Pembuatan Modul Deteksi Objek Manusia Menggunakan Metode YOLO untuk Mobile Robot. Jurnal Teknik ITS, 10(1). https://doi.org/10.12962/j23373539.v10i1.61622
[10] Vernanda, D., Purnawan, N. N., & Apandi, T. H. (2022). Analisis Data Untuk Klasifikasi Tingkat. 4(September), 8–17. https://doi.org/10.31962/jiitr.vvii.67
[11] Betriana Roza, Y., Agus Salim, D., & Ramadhanu, A. R. (2024). Optimasi Kualitas dan Kematangan Mangga Melalui Pemrosesan Citra Menggunakan Median Filter. Journal of Education Research, 5(4), 5589–5598. https://doi.org/10.37985/jer.v5i4.1863
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Antivirus : Jurnal Ilmiah Teknik Informatika
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Copyright on any article is retained by the author(s).
- Author 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.
- The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License
How to Cite
