Peneliti Polinela “Pindai Segar” di lahan pertanian Pekon Srikaton, Kecamatan Adiluwih, Kabupaten Pringsewu | LAMPUNGPRO.CO/Ist

Selisih paling mencolok muncul pada paprika busuk. Dari seluruh foto paprika busuk dalam data uji, CNN hanya mengenali 65 persen, sedangkan Swin Transformer mampu mengenali 93 persen.

Sebaliknya, kentang dan wortel menjadi sayuran yang paling menantang bagi kedua model. Kesalahan paling sering terjadi saat membedakan kentang segar dengan kentang busuk, serta wortel segar dengan wortel busuk. Pada kentang busuk, CNN bahkan sedikit lebih unggul. Hal ini sejalan dengan sifat kedua sayuran tersebut yang tidak banyak berubah warna pada tahap awal pembusukan.

Namun, keunggulan akurasi itu ada harganya. Swin Transformer membutuhkan 20,24 milidetik untuk memeriksa satu foto, sekitar 2,4 kali lebih lama dibandingkan CNN yang hanya 8,41 milidetik. Ukuran modelnya juga sekitar 2,5 kali lebih besar, yakni 27,5 juta parameter berbanding 11,2 juta parameter. Faktor ini penting ketika teknologi dijalankan secara real-time di perangkat berkemampuan terbatas.

“Pindai Segar” Bekerja Langsung di Ponsel

Sebagai bukti bahwa teknologi ini dapat diterapkan, tim membangun Pindai Segar, aplikasi berbasis web yang dibuka melalui peramban ponsel. Pengguna cukup memotret sayuran, lalu aplikasi menampilkan jenis dan kondisi sayuran beserta tingkat keyakinannya dalam persen.

Untuk aplikasi ini, tim memilih model CNN karena lebih ringan dan cepat. Model dijalankan langsung di perangkat pengguna (on-device) melalui teknologi WebAssembly, sehingga foto tidak dikirim ke server mana pun.

Uji coba awal dilakukan pada empat foto sayuran di luar data penelitian, dan seluruhnya diklasifikasikan dengan tepat. Salah satunya foto kentang segar yang memiliki sedikit bercak menyerupai awal pembusukan. Aplikasi tetap menilainya segar, meski dengan tingkat keyakinan 72 persen, lebih rendah dibandingkan tiga pengujian lain yang mencapai 100 persen. Pengujian tersebut masih bersifat kualitatif dengan jumlah sampel terbatas.