Pengembangan Modul Front-End Sebagai Implementasi Model Deteksi Kematangan Melon Berjala Berbasis Aplikasi Mobile

Abstract

Buah melon disukai di Indonesia karena rasanya yang lezat dan manfaat kesehatannya, sehingga penting bagi para petani untuk mengetahui masa panen yang tepat demi mempertahankan nilai jual dan kualitas buah melon. Karena menentukan masa panen secara manual lebih sulit dan beresiko, penelitian sebelumnya berhasil membangun model machine learning yang dapat mendeteksi kematangan buah melon berjala C. melo var. reticulatus. Untuk mengimplementasikan model tersebut, penelitian ini akan menghasilkan sebuah modul front-end berbasis aplikasi mobile yang dapat menerima input foto melon baik dari kamera maupun galeri dan mengirimkannya ke server dengan mengintegrasikan API back-end sehingga dapat memberikan hasil klasifikasi kemantangan buah melon yaitu "siap panen" atau “belum matang”. Modul dibangun menggunakan IDE Android Studio dengan bahasa kotlin dan mengikuti metode SDLC yaitu metode prototyping dengan melakukan tiga iterasi. Berdasarkan hasil pengujian black-box 17 dari total 19 skenario berhasil dijalankan sesuai yang diharapkan, sedangkan hasil pengujian kompatibilitas menunjukkan bahwa level komputasi paling tua dimana aplikasi dapat berfungsi dengan maksimal adalah pada Android versi 10 dan RAM sebesar 4 GB.