MODEL KLASIFIKASI MENGGUNAKAN MACHINE LEARNING UNTUK MENDETEKSI KUALITAS TOMAT

Studi ini berfokus pada klasifikasi kualitas tomat menggunakan teknik pembelajaran mesin, mengatasi meningkatnya permintaan tomat di Indonesia, yang mencapai lebih dari satu juta ton pada tahun 2021 dan diproyeksikan meningkat pada tahun 2030. Klasifikasi kualitas tomat sangat penting untuk menjaga kepercayaan pasar, terutama dalam industri pengolahan untuk produk-produk seperti saus dan tomat kalengan. Metode penyortiran manual tradisional memakan waktu dan rentan terhadap kesalahan manusia, yang menyebabkan inkonsistensi dalam penilaian kualitas. Penelitian ini mengusulkan sistem klasifikasi otomatis menggunakan model Multi-Layer Perceptron (MLP) dengan fungsi aktivasi ReLU dan Softmax untuk meningkatkan akurasi dan efisiensi deteksi kualitas tomat. Fitur utama untuk klasifikasi termasuk analisis tekstur menggunakan Gray Level Co-Matrix (GLCM) dan deteksi warna, yang penting untuk menentukan kematangan dan kualitas tomat. Penelitian ini bertujuan untuk meningkatkan kegiatan pasca panen, merampingkan distribusi, dan mengurangi risiko penurunan kualitas pada produk tomat.