KLASIFIKASI BUAH KELAPA SAWIT DENGAN CONVOLUTIONAL NEURAL NETWORK ARSITEKTUR INCEPTION-V4

Theresia Kurniati Seran (2025) KLASIFIKASI BUAH KELAPA SAWIT DENGAN CONVOLUTIONAL NEURAL NETWORK ARSITEKTUR INCEPTION-V4. PROGRAM STUDI SARJANA TEKNOLOGI INFORMASI FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS SARI MULIA BANJARMASIN 2025.

[img] Text
Skripsi Theresia Kurniati Seran - Theresia Kurniati Seran.pdf

Download (3MB)

Abstract

Industri kelapa sawit memegang peranan penting dalam perekonomian Indonesia, sehingga proses klasifikasi buah berdasarkan tingkat kematangan menjadi krusial untuk menjamin kualitas produksi minyak sawit. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi buah kelapa sawit berdasarkan kategori matang dan mentah dengan menggunakan algoritma Convolutional Neural Network (Convolutional Neural Network) berbasis arsitektur Inception-v4. Dataset yang digunakan terdiri dari 2.900 gambar, yang terbagi menjadi data pelatihan (2.000 gambar), validasi (500 gambar), dan pengujian (400 gambar). Data diperoleh dari sumber daring (Kaggle) dan dokumentasi lapangan langsung. Tahapan penelitian meliputi pengumpulan data, pre-processing (deteksi duplikat, augmentasi, dan normalisasi), pemodelan dengan Inception-v4, pelatihan model, evaluasi, dan interpretasi hasil. Model Convolutional Neural Network Inception-v4 dipilih karena kemampuannya dalam mengekstraksi fitur visual kompleks dan mendukung transfer learning melalui bobot awal dari ImageNet. Evaluasi dilakukan menggunakan metrik accuracy, precision, recall, f1-score, dan confusion matrix. Hasil menunjukkan bahwa model Inception-v4 mampu mengklasifikasikan buah kelapa sawit dengan akurasi validasi tertinggi sebesar 95%. Eksperimen juga dilakukan dengan berbagai optimisasi (SGD, Adam, RMSprop, Adagrad, Adadelta) untuk meningkatkan performa. Penelitian ini menunjukkan bahwa Convolutional Neural Network Inception-v4 efektif dalam klasifikasi buah kelapa sawit dan dapat diterapkan pada industri perkebunan untuk meningkatkan efisiensi panen dan produksi. Penggunaan metode berbasis kecerdasan buatan seperti Convolutional Neural Network menawarkan solusi yang cepat, akurat, dan dapat diandalkan dalam klasifikasi visual objek pertanian.

Item Type: Skripsi
Kata Kunci Tidak Terkontrol: Convolutional Neural Network, Inception-v4, klasifikasi buah, kelapa sawit.
Subjects: T Technology > T Technology (General)
Fakultas: FAKULTAS SAINS DAN TEKNOLOGI
Pengguna Penyetoran: Rahman Perpustakaan UNISM
Tanggal Setoran: 16 Sep 2025 02:33
Last Modified: 16 Sep 2025 02:33
URI: http://repository.unism.ac.id/id/eprint/4012

Actions (login required)

View Item View Item