Rancang Bangun Alat Sortir Buah Jeruk Berdasarkan Kualitasnya Menggunakan Algoritma Yolo Dengan Metode Convolusional Neural Network

Abstract

Indonesia adalah negara agraris yang memiliki aneka ragam hasil komoditi hortikultura khususnya buah-buahan, salah satu komoditi tersebut adalah buah jeruk mandarin (citrus reticulate). Untuk meningkatkan nilai jual buah jeruk maka perlu diperhatikan penanganan pascapanen sebelum buah tersebut diedarkan ke pasar tradisional, swalayan, ataupun diekspor. Proses penyortiran buah biasanya dibedakan kaulitasnya berdasarkan tingkat kematangan ataupun ada tidaknya cacat pada buah tersebut. Di masa lalu, orang melakukan sortir buah manual menggunakan tenaga manusia namun semakin berkembangnya jaman semua proses dituntut serba cepat. Proses sortir mulai ada yang dilakukan dengan cara otomatis untuk meningkatkan efisiensi waktu, dengan begitu proses distribusi buah dapat dilakukan lebih cepat. Sortir otomatis di industri sekarang hanya dilakukan berdasarkan ukuran buah dengan cara conveyor yang dilubangi sesuai dengan ukuran jeruk yang diinginkan. Penggunaan sortir menggunakan objek deteksi dengan algoritma YOLO diharapkan dapat meningkatkan efisiensi proses sortasi menjadi lebih baik. Rancang bangun alat sortir kualitas buah jeruk ini menggunakan algoritma YOLOV5 sebagai sistem objek deteksi, pengklasifikasian tersebut dihubungkan dengan mikrokontroler Arduino UNO dan motor servo mg995 sebagai aktuator. Pada pelatihan dataset dilakukan pengujian pengaruh warna cahaya, intensitas cahaya, nilai Epoch, Batch Size, dan model YOLOV5. Setelah dilakukan pengujian pengaruh warna cahaya, intensitas cahaya, nilai Epoch, Batch Size, dan model YOLOV5 maka diperoleh warna cahaya terbaik yaitu putih hangat, intensitas terbaik yaitu terang, nilai terbaik dari Epoch 300, nilai Batch Size terbaik 40, dan model YOLOV5 terbaik adalah YOLOV5s. Hasil yang diperoleh dari pengujian alat sortir secara keseluruhan yaitu 84,5% dengan empat kali pengujian dengan 15 jeruk berbeda. Penggunaan algoritma YOLO dengan model YOLOV5s dalam deteksi objek buah jeruk memperoleh nilai mAP sebesar 0.995 yang berarti model dapat memprediksi dengan benar sebesar 99,5%. Akurasi pengklasifikasian kualitas buah jeruk bergantung pada spesifikasi perangkat yang digunakan, penggunaan perangkat yang lebih baik berpengaruh pada model YOLOV5 yang digunakan bisa lebih tinggi dimana hal tersebut dapat meningkatkan akurasi objek deteksi kualitas buah jeruk.