DETEKSI DAN KLASIFIKASI KUALITAS PASCAPANEN MENGGUNAKAN MODEL HYBRID SSD-EFFICIENTNETV2 BERBASIS TRANSFER LEARNING PADA BUAH TOMAT

Abstrak

Single Shot Detector (SSD) dan EfficientNetV2 merupakan arsitektur deep learning unggulan untuk deteksi dan klasifikasi objek secara efisien. SSD bekerja dalam satu kali forward pass tanpa tahap proposal region yang berat secara komputasi, sementara EfficientNetV2 menghadirkan ekstraksi fitur yang kaya dengan parameter yang lebih efisien. Penelitian ini merancang model hybrid SSD-EfficientNetV2 untuk mendeteksi dan mengklasifikasikan kualitas buah tomat (Solanum lycopersicum) secara otomatis ke dalam dua kelas: Grade A (segar-layak jual) dan Grade B (rusak-membusuk), menggantikan proses sortasi manual yang selama ini rentan inkonsistensi. Sebanyak 364 citra berlabel bounding box dikumpulkan langsung di sentra pertanian tomat Kabupaten Nganjuk. Pra-pemrosesan mencakup penyeragaman ukuran ke 300×300 piksel, normalisasi piksel, serta augmentasi berupa pembalikan, modifikasi kecerahan-kontras, dan pergeseran hue-saturasi. Dataset dibagi dengan rasio 60:15:25, dan model dilatih selama 32 epoch menggunakan optimizer AdamW dengan penjadwalan learning rate berbasis warmup dan cosine decay. Evaluasi akhir menghasilkan akurasi klasifikasi 95,12%, F1-Score makro 95,11%, dan mAP@0.5 85,70%, dengan presisi 94,87% pada Grade A dan 95,35% pada Grade B tanpa bias klasifikasi yang signifikan. Hasil ini menegaskan potensi model sebagai fondasi sistem sortir pascapanen berbasis kecerdasan buatan. Kata kunci: Single Shot Detector, EfficientNetV2, Klasifikasi Tomat, Computer Vision, Deep Learning.

Identifier

• OpenAlex: https://openalex.org/W7171104525
• DOI: https://doi.org/10.24269/mtkind.v20i1.13819