Algoritma Convolutional Neural Network (Cnn) Pada Klasifikasi Grade Tandan Buah Segar Kelapa Sawit

Abstract

Di industri kelapa sawit memilih kematangan memiliki peran penting dalam menghasilkan kulitas minyak nabati dan memiliki kerumitan tersendiri. Biasanya penentuan kematangan tandan buah segar (TBS) kelapa sawit secara umum masih tradisional masih mengandalkan tenaga manusia dengan melihat secara visual, ini menyebabkan rentan terjadi kesalahan penilaian kualitas yang subjektif dan tidak konsisten. Untuk membantu mengurangi kesalahan klasifikasi, Penulis mengusulkan klasifikasi kematangan TBS kelapa sawit menggunakan algoritma Convolutional Neural Network (CNN). Dataset gambar TBS dikumpulkan dari perusahaan di Kalimantan Tengah dan dikategorikan ke dalam tiga kelas: mentah, matang, dan terlalu matang. Dataset berjumlah 1500 gambar hasil evaluasi menunjukkan akurasi sebesar 88.23%, precision sebesar 89.58% recall sebesar 91.99%, dan F1-score sebesar 91.99%. Implementasi CNN dalam klasifikasi TBS terbukti efektif, menunjukkan potensi besar untuk meningkatkan efisiensi dan akurasi dalam industri kelapa sawit. Temuan ini membuka peluang pengembangan lebih lanjut dalam teknologi otomatisasi penilaian kualitas TBS di industri kelapa sawit.