Klasifikasi Lemon dan Lime Menggunakan Single Layer Perceptron Berdasarkan Ciri Fisik

Abstract

Penelitian ini bertujuan untuk mengimplementasikan Jaringan Syaraf Tiruan (JST) model Single Layer Perceptron (SLP) dalam mengklasifikasikan buah lemon (Citrus limon) dan lime (Citrus aurantiifolia) berdasarkan ciri fisik berupa berat, ukuran, dan bentuk. Metode penelitian menggunakan pendekatan kuantitatif dengan tahapan pengumpulan data fisik buah, pra-pemrosesan data melalui normalisasi dan pengkodean fitur, pelatihan model SLP, serta pengujian kinerja model. Dataset yang digunakan terdiri dari 60 sampel, yang dibagi menjadi 80% data latih dan 20% data uji. Hasil penelitian menunjukkan bahwa proses training mengalami peningkatan akurasi hingga mencapai kondisi konvergen, yang mengindikasikan bahwa data bersifat linearly separable dan sesuai dengan karakteristik model SLP. Pada tahap pengujian, model mampu mengklasifikasikan sebagian besar data uji dengan tingkat akurasi yang cukup tinggi, sehingga menunjukkan kemampuan generalisasi yang baik. Novelty penelitian ini terletak pada pemanfaatan model JST sederhana Single Layer Perceptron dengan fitur fisik non-citra sebagai dasar klasifikasi lemon dan lime, berbeda dari penelitian sebelumnya yang dominan menggunakan pendekatan citra dan model kompleks. Kontribusi penelitian ini adalah memberikan solusi klasifikasi buah yang sederhana, efisien, dan mudah diimplementasikan, khususnya pada lingkungan dengan keterbatasan sumber daya komputasi di sektor pertanian dan industri pangan.