Description

Anggota Kelompok 5 :

• Nurico Aditya Nugroho (CEO)
• Fadhil Rahman (Hacker)
• Carmen Emanuela Dwiva Lisapaly (Hipster)
• Andi Reza Fathurrizky (Bisdev)
• Siti Adhifah Arrofan (Sales & Marketing)

Problem

Saat ini, penilaian kualitas buah timun masih dilakukan secara manual dan subjektif dari tenaga pekerja, yang sering kali menyebabkan ketidakakuratan karena perbedaan persepsi dan potensi kerugian ekonomi. Belum ada teknologi prediksi yang mudah diakses untuk membantu petani, distributor, atau industri pengolahan dalam memastikan kualitas buah.

Solution

Dari beberapa masalah diatas, disini kami membuat sebuah aplikasi berbasis website yang menggunakan algoritma Convolutional Neural Network (CNN) untuk menganalisis gambar buah timun dan memprediksi kualitasnya secara *otomatis, cepat, dan akurat. Dengan akurasi mencapai **96%*, aplikasi ini dapat membantu mengurangi risiko human error, meningkatkan efisiensi, dan menghemat biaya operasional.

Market Size

Dari gambar diatas, ada banyak potensi pasar yang bisa dijangkau dari aplikasi Cucumber Quality Predictor kami, mulai dari petani, distributor, supermarket, hingga industri pengolahan makanan dan pengusaha agritech. Disini bisa kita simpulkan jika pasar dari bisnis agrikultur di Indonesia ini sangatlah besar, sehingga kami harapkan aplikasi Cucumber Quality Predictor ini dapat membantu bisnis agrikultur di Indonesia ini.

Lalu, Berdasarkan data, total produksi mentimun di Indonesia mencapai 433.965 ton per tahun, dengan rata-rata hasil per hektar 10,89 ton. Angka ini menunjukkan potensi pasar yang besar untuk aplikasi ini, mengingat banyaknya produksi mentimun yang perlu dipantau kualitasnya. Jadi  teknologi ini memiliki potensi untuk diperluas ke prediksi kualitas buah lainnya di masa depan.

Business Model Canvas dan Analisis SWOT

Key Partners meliputi semua pihak yang terlibat dalam bisnis agrikultur, Platform ini mengandalkan Key Activities seperti pengembangan platform, pemeliharaan aplikasi berbasis web, serta pengujian dan validasi model berkelanjutan.Key Resource meliputi situs web, infrastruktur data, dan model algoritme prediktif. Platform ini memberikan Value Proportion seperti prediksi kualitas buah secara otomatis, peningkatan akurasi dalam proses penyortiran, serta pengurangan waktu dan biaya. Platform ini melibatkan Hubungan Pelanggan melalui layanan daring seperti dukungan pelanggan 24/7, forum daring, dan program loyalitas. Platform ini menjangkau Segmen Pelanggan yang utamanya terdiri dari bisnis pertanian. Channels meliputi platform daring seperti situs web, media sosial, dan acara industri. Revenue Streams dihasilkan melalui berbagai cara seperti sponsor, layanan berlangganan, serta layanan produk dan pelatihan yang disesuaikan.

Platform ini memiliki kekuatan yaitu akurasi yang tinggi dalam mengenali pola visual. Sedangkan kelemahannya adalah bergantung pada dataset, jadi membutuhkan dataset gambar berkualitas tinggi

Competitive Analysis

Dari tabel disini dapat disimpulkan bahwa dibandingkan dengan metode penyortiran manual dan hardware sorter, metode kami unik karena mengombinasikan kecepatan, akurasi tinggi, dan biaya terjangkau, menjadikannya ideal untuk pasar agrikultur kecil hingga menengah

Diagram Alur dan Graphical Abstrak

Kami membuat aplikasi Cucumber Quality Predictor ini dengan beberapa tahapan, yaitu :

• Mengumpulkan dataset gambar buah mentimun yang kami dapatkan dari Kaggle.com
• Memproses data gambar yang telah kami dapat dari Kaggle.com untuk dilakukan pembersihan data, merize gambar, dan menormalisasi gambar
• Lalu dataset dibagi dengan perbandingan 8:2, dengan 20% data uji.
• Setelah itu, kami membangun sebuah model menggunakan algortima CNN.
• Setelah modelnya sudah jadi, kami membuat aplikasi berbasis website dengan React.js dan Flask.

Untuk alur dari aplikasi Cucumber Qualiy Predictor ini, pengguna mengakses situs web dan mengunggah gambar. Sistem memvalidasi format gambar, lalu memprosesnya menggunakan model CNN. Hasil klasifikasi ditampilkan kepada pengguna.

Prototype

Gambar diatas merupakan tampilan awal dari aplikasi kami

Disini pengguna sudah mengupload gambar mentimun.

Dan hasil prediksi akan langsung ditampilkan seperti yang ada pada gambar diatas.

Kesimpulan

Disini dapat saya simpulkan bahwa dengan Cucumber Quality Predictor, kami percaya bahwa teknologi ini dapat membantu meningkatkan efisiensi, mengurangi kerugian, dan mendukung perkembangan agrikultur di Indonesia. 

Lampiran

Berikut kami lampirkan link dari dataset yang kami gunakan:

Link Kaggle.com : https://www.kaggle.com/datasets/nourabdoun/fruits-quality-fresh-vs-rotten