Pengembangan Aplikasi Prediksi Tingkat Kematangan Buah Manggis Menggunakan Hybrid Convolutional Neural Network

Abstract

Penelitian ini mengembangkan aplikasi berbasis web untuk memprediksi tingkat kematangan manggis menggunakan pendekatan Hybrid Convolutional Neural Network (CNN) yang menggabungkan arsitektur InceptionV3, DenseNet201, dan ResNet50V2. Aplikasi dikembangkan dengan Vue.js untuk frontend dan Flask untuk backend mengikuti model Waterfall dari metodologi System Development Life Cycle (SDLC). Penelitian ini menggunakan dataset 1.681 gambar manggis yang diklasifikasikan ke dalam tiga kategori, yaitu Ripe, Semi-Ripe, dan Unripe. Hasil evaluasi menunjukkan performa model yang sangat baik dengan nilai AUC 0,9516 (Micro-Average) dan 0,9482 (Macro-Average). Akurasi tertinggi dicapai pada kelas Semi-Ripe (88,17%) dan Unripe (87,50%), sementara kelas Ripe mencapai 73,91%. Aplikasi ini diharapkan dapat membantu petani dan pemangku kepentingan industri dalam proses seleksi kualitas buah manggis untuk memenuhi standar ekspor.