Muhammad Yusuf Alfin Munawar

Jurusan Fisika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Jember

Nurul Ainy

Jurusan Fisika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Jember

Seryn Ruth A.S Manabung

Jurusan Fisika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Jember

DOI: https://doi.org/10.19184/jei.v3i1.60106

ABSTRAK 

Penentuan kesiapan panen jamur tiram yang masih dilakukan secara manual berpotensi menimbulkan subjektivitas dan ketidakkonsistenan kualitas hasil panen. Penelitian ini bertujuan mengembangkan sistem klasifikasi kesiapan panen jamur tiram berbasis Convolutional Neural Network (CNN) yang terintegrasi dengan sistem robotik untuk mendukung proses panen yang lebih objektif dan efisien. Penelitian menggunakan pendekatan kuantitatif dengan memanfaatkan 1.282 citra jamur tiram yang dikelompokkan ke dalam dua kategori, yaitu siap panen dan belum siap panen. Data diperoleh melalui pengambilan citra langsung di kumbung budidaya, kemudian diproses melalui tahapan pra-pemrosesan, augmentasi data, pelatihan, dan validasi model CNN. Hasil penelitian menunjukkan bahwa model yang dikembangkan mampu mencapai akurasi 87% dan F1-score 0,87 pada data uji. Implementasi model pada sistem robotik menghasilkan akurasi sebesar 91% dalam mengidentifikasi tingkat kesiapan panen, termasuk kemampuan mendeteksi jamur yang belum siap panen dengan tingkat ketepatan yang tinggi pada berbagai sudut pengambilan citra. Hasil tersebut menunjukkan bahwa CNN efektif digunakan untuk klasifikasi kesiapan panen jamur tiram berdasarkan karakteristik visual. Integrasi model CNN dengan sistem robotik berpotensi meningkatkan efisiensi, konsistensi, dan objektivitas proses penentuan waktu panen pada budidaya jamur tiram. 

KATA KUNCI: Citra visual, Convolutional Neural Network, Jamur tiram, Kesiapan panen, dan Sistem robotik