SISTEM GRADING OTOMATIS BERBASIS COMPUTER VISION DENGAN YOLO UNTUK KLASIFIKASI KUALITAS TOMAT PASCAPANEN DI PURBALINGGA
DOI:
https://doi.org/10.54314/jssr.v9i4.7130Keywords:
computer vision, grading tomat, Purbalingga, smart farming, YOLOAbstract
Abstrak: Proses grading pascapanen tomat di Kabupaten Purbalingga umumnya masih dilakukan secara manual, sehingga rentan terhadap subjektivitas dan inkonsistensi mutu. Kondisi ini menyebabkan produk sulit dikategorikan ke dalam standar kualitas ekspor dan memicu risiko penolakan pasar. Penelitian ini bertujuan untuk mengembangkan dan menguji sistem cerdas berbasis computer vision menggunakan arsitektur YOLO guna melakukan klasifikasi dan pemilahan (grading) tomat secara otomatis. Metodologi penelitian mencakup pengumpulan dataset lokal tomat Purbalingga yang dibagi menjadi tiga kelas (matang tanpa cacat, rusak, dan mentah), pelatihan model, serta pengujian performa sistem secara empiris. Hasil pengujian menunjukkan kinerja model yang sangat baik dengan tingkat presisi mencapai 97,6% dan recall sebesar 95,7%. Hasil ini membuktikan bahwa model YOLO mampu mengidentifikasi mutu tomat secara akurat dan cepat. Sistem ini berpotensi besar untuk diintegrasikan ke dalam perangkat sortasi otomatis maupun platform digital di masa mendatang, guna meningkatkan efisiensi pascapanen, menjaga standarisasi mutu ekspor, serta memperkuat daya saing komoditas hortikultura di Kabupaten Purbalingga.
Downloads
References
Rojas Santelices, I., Cano, S., Moreira, F., & Peña Fritz, Á. (2025). Artificial Vision Systems for Fruit Inspection and Classification: Systematic Literature Review. Sensors, 25(5), 1524. https://doi.org/10.3390/s25051524
Grand View Research. (2025). Smart Agriculture Market Size, Share dan Trends Analysis Report By Offering (Hardware, Software, Services), By Application (Precision Farming, Livestock Monitoring, Smart Greenhouse), By Region, And Segment Forecasts, 2025 - 2033. https://www.grandviewresearch.com/industry-analysis/smart-agriculture-farming-market
Badan Pusat Statistik. (2025). Statistik Hortikultura 2024. Jakarta: Badan Pusat Statistik.
BPS-Statistics of Purbalingga Regency. (2025). Harvested Area of Temporary Vegetable and Fruit Crops by Type of Crops in Purbalingga Regency 2025. Jakarta: BPS-Statistics Indonesia.
Awais, M., Wang, X., Hussain, S., Aziz, F., & Mahmood, M. Q. (2025). Advancing Precision Agriculture Through Digital Twins and Smart Farming Technologies: A Review. AgriEngineering, 7(5), 137. https://doi.org/10.3390/agriengineering7050137
Lu, J., Zhang, M., Hu, Y., Ma, W., Tian, Z., Liao, H., Chen, J., & Yang, Y. (2024). From Outside to Inside: The Subtle Probing of Globular Fruits and Solanaceous Vegetables Using Machine Vision and Near-Infrared Methods. Agronomy, 14(10), 2395. https://doi.org/10.3390/agronomy14102395
Arifin, N., Insani, C. N., & Rasyid, M. R. (2023). Klasifikasi Tingkat Kematangan Buah Tomat menggunakan Computer vision untuk Smart Agriculture. Jurnal SAINTIKOM (Jurnal Sains Manajemen Informatika dan Komputer), 22(2), 244–251. https://doi.org/10.53513/jis.v22i2.83
Jahns, G., Nielsen, H. M., & Paul, W. (2001). Measuring image analysis attributes and modelling fuzzy consumer aspects for tomato quality grading. Computers and Electronics in Agriculture, 31(1), 17–29.
Isdi, M. R., & Harmadi, H. (2024). Pemanfaatan Computer vision Sebagai Pemantauan Perkembangan Bibit Tanaman Tomat Berbasis IoT. Jurnal Fisika Unand, 13(2), 234–240. https://doi.org/10.25077/jfu.13.2.234-240.2024
Hidayatullah, P., & Tubagus, R. (2026). YOLO26: A comprehensive architecture overview and key improvements (arXiv:2602.14582). arXiv preprint. https://arxiv.org/abs/2602.14582
Fadly, A., Nurtanio, I., & Mokobombang, N. N. (2025, May). Optimizing Tomato Classification in Industrial Processing: A Comparative Study of YOLOv4, YOLOv8, and YOLOv11 with Rotation-Based Image Acquisition. In 2025 IEEE International Conference on Artificial Intelligence and Mechatronics Systems (AIMS) (pp. 1–6). IEEE.
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Riyan Dwi Yulian Prakoso, Rifki Chandra Utama, Adin Nadiya Ifati, Sriyati Sriyati (Author)
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
