Deteksi Kematanagan Buah Sawit dengan Menggunakan Algoritma Convolutional Neural Network

Abstrak

Penelitian ini bertujuan untuk mengembangkan sistem pendeteksi kematangan buah kelapa sawit secara otomatis dengan menggunakan algoritma Convolutional Neural Network (CNN). Dataset yang digunakan terdiri dari ribuan gambar buah kelapa sawit yang matang dan belum matang dengan kondisi pencahayaan dan sudut pengambilan gambar yang berbeda-beda. Model CNN yang digunakan adalah MobileNetV2 yang telah diadaptasi untuk tugas klasifikasi biner. Proses pelatihan dilakukan dengan menggunakan teknik augmentasi data untuk meningkatkan generalisasi model. Hasil evaluasi menunjukkan bahwa model CNN yang dikembangkan mampu mengklasifikasikan tingkat kematangan buah kelapa sawit dengan tingkat akurasi sebesar 84%. Perbandingan dengan metode konvensional yang mengandalkan penilaian visual menunjukkan bahwa model CNN memberikan hasil yang lebih konsisten dan objektif. Penerapan model ini berpotensi meningkatkan efisiensi proses panen dan pengolahan buah sawit serta menurunkan biaya produksi.