Implementasi Metode Fine Tuning Bertahap pada ResNet-50 untuk Klasifikasi Kematangan Alpukat Berbasis Flutter

Abstract

Penentuan tingkat kematangan alpukat secara konvensional masih bersifat subjektif dan berpotensi menimbulkan kesalahan. Penelitian ini bertujuan menganalisis performa fine tuning bertahap pada ResNet-50 untuk klasifikasi kematangan alpukat dan mengimplementasikannya dalam aplikasi Flutter. Dataset awal terdiri atas 14.710 citra dengan tiga kelas, yaitu mentah, matang, dan terlalu matang. Ketidakseimbangan data ditangani menggunakan random oversampling sehingga diperoleh 26.598 citra. Data dipra-pemrosesan, diaugmentasi, dan dibagi menggunakan stratified sampling. Pelatihan dilakukan melalui transfer learning dua fase, yaitu pelatihan classification head dan fine tuning sebagian lapisan Stage 5 ResNet-50. Model terbaik diintegrasikan dengan aplikasi Flutter melalui backend FastAPI. Hasil pengujian menunjukkan accuracy sebesar 98,27%, precision 98,28%, recall 98,27%, dan F1-score 98,27%. Hasil tersebut menunjukkan bahwa fine tuning bertahap pada ResNet-50 menghasilkan model yang akurat untuk mendukung identifikasi tingkat kematangan alpukat.

Kata kunci: Fine Tuning Bertahap, ResNet-50, Random Oversampling, Klasifikasi Kematangan Alpukat, Flutter