EDUCARE.CO.ID – Mahasiswa vokasi Universitas Airlangga (UNAIR) mengembangkan aplikasi berbasis kecerdasan buatan bernama Banalyze untuk membantu mendeteksi tingkat kematangan pisang Cavendish melalui smartphone. Inovasi ini hadir sebagai solusi atas proses sortasi buah yang selama ini masih banyak mengandalkan pengamatan visual.
Berdasarkan rilis Universitas Airlangga (UNAIR), metode manual sering menghasilkan penilaian yang berbeda karena pengalaman pengamat, kondisi pencahayaan, dan tingkat kelelahan memengaruhi hasil pengamatan. Akibatnya, distribusi buah bisa terlambat dan kualitas pisang berisiko menurun.
Banalyze Gunakan AI untuk Sortasi Buah
Tim pengembang memanfaatkan teknologi deep learning dengan pendekatan transfer learning untuk membangun Banalyze. Tim pengembang membandingkan dua arsitektur Convolutional Neural Network (CNN), yaitu MobileNetV3-Small dan EfficientNetV2B0, untuk memperoleh model yang akurat sekaligus ringan dijalankan pada perangkat seluler.
Para peneliti melatih model menggunakan 12.048 citra pisang Cavendish yang terbagi ke dalam tiga kategori kematangan, yaitu partially ripe, ripe, dan overripe. Dengan data tersebut, sistem belajar mengenali ciri visual setiap fase kematangan dan mampu memberikan klasifikasi secara otomatis.
Cukup Gunakan Smartphone
Tim pengembang menggunakan framework Flutter untuk membangun aplikasi ini sehingga tampil sederhana dan mudah digunakan. Pengguna dapat mengambil foto langsung dari kamera, memilih gambar dari galeri, atau memanfaatkan pemindaian video secara real-time.
Setelah memproses gambar, aplikasi akan menampilkan kategori kematangan beserta confidence score sebagai indikator tingkat keyakinan prediksi. Tim pengembang menetapkan ambang batas minimal 80 persen agar hasil klasifikasi tetap andal.
Selain itu, sistem menyimpan riwayat pemindaian pada server melalui layanan backend FastAPI. Dengan fitur tersebut, pengguna dapat mendokumentasikan hasil sortasi dan memantau aktivitas pemeriksaan buah.
Akurasi Mencapai 99,83 Persen
Hasil pengujian menunjukkan bahwa arsitektur EfficientNetV2B0 memberikan performa terbaik dengan tingkat akurasi 99,83 persen. Selanjutnya, tim mengonversi model menggunakan TensorFlow Lite melalui teknik kuantisasi agar aplikasi tetap ringan di smartphone.
Optimalisasi tersebut berhasil mengecilkan ukuran model dari 22,37 MB menjadi 6,32 MB, atau turun sekitar 86,6 persen. Meski ukuran model jauh lebih kecil, aplikasi tetap dapat memprediksi tingkat kematangan pisang hanya dalam rata-rata 1,33 detik setelah pengguna memindai gambar.
Bantu Petani dan UMKM Kurangi Kerugian
Petani, pengepul, pelaku UMKM, hingga konsumen dapat memanfaatkan Banalyze. Selain itu, AI membantu mereka memilah buah secara lebih konsisten sehingga dapat mengurangi kesalahan penilaian manusia.
Selain meningkatkan efisiensi, aplikasi ini juga mendukung pengurangan kehilangan hasil panen (food loss). Karena itu, pengembangan Banalyze sejalan dengan tujuan Sustainable Development Goals (SDGs), khususnya SDG 12 tentang konsumsi dan produksi yang bertanggung jawab serta SDG 9 mengenai inovasi dan infrastruktur industri berbasis teknologi.
Melalui Banalyze, mahasiswa vokasi UNAIR menunjukkan bahwa teknologi AI tidak hanya bermanfaat bagi industri besar, tetapi juga dapat menjadi solusi praktis untuk meningkatkan kualitas pengelolaan hasil pertanian di Indonesia.
