Klasifikasi Tingkat Kematangan Buah Sawit Berdasarkan Model RGB dengan Metode Convolutional Neural Network

Primawardana, Yunan Aditya (2025) Klasifikasi Tingkat Kematangan Buah Sawit Berdasarkan Model RGB dengan Metode Convolutional Neural Network. Undergraduate thesis, Politeknik Negeri Jember.

[img] Text (Abstract)
abstrak.pdf - Submitted Version
Available under License Creative Commons Attribution Share Alike.

Download (11kB)
[img] Text (Bab 1 Pendahuluan)
BAB 1 pendahuluan.pdf - Submitted Version
Available under License Creative Commons Attribution Share Alike.

Download (23kB)
[img] Text (Daftar Pustaka)
DAFTAR PUSTAKA.pdf - Submitted Version
Available under License Creative Commons Attribution Share Alike.

Download (82kB)
[img] Text (Laporan Lengkap)
LAPORAN LENGKAP.pdf
Restricted to Registered users only

Download (3MB) | Request a copy

Abstract

Tingkat kematangan buah kelapa sawit sangat memengaruhi kualitas dan kuantitas minyak yang dihasilkan. Penentuan tingkat kematangan secara manual oleh pekerja kebun sering kali bersifat subjektif dan kurang konsisten. Oleh karena itu, diperlukan sebuah sistem yang mampu melakukan klasifikasi kematangan buah sawit secara otomatis dan akurat. Penelitian ini bertujuan untuk mengklasifikasikan buah sawit ke dalam dua kelas, yaitu matang dan mentah, berdasarkan fitur warna RGB menggunakan metode Convolutional Neural Network (CNN). Data citra buah sawit diperoleh dari berbagai sumber, kemudian dilakukan proses preprocessing berupa pengubahan ukuran gambar menjadi 224x224 piksel, normalisasi warna, dan pelabelan. Model dibangun dengan DenseNet121 sebagai base model, ditambah beberapa layer konvolusi, pooling, dan dense, serta dilatih selama 10 epoch menggunakan optimizer Adam dan fungsi aktivasi sigmoid untuk klasifikasi biner. Hasil evaluasi menunjukkan bahwa model CNN yang dikembangkan mampu mengklasifikasikan kematangan buah sawit dengan akurasi sebesar 99.11%, precision 0,99, recall 0,99, dan F1-score 0,99. Berdasarkan hasil tersebut, metode CNN berbasis RGB mampu melakukan klasifikasi secara otomatis terhadap tingkat kematangan buah kelapa sawit.

Item Type: Thesis (Undergraduate)
Contributors:
ContributionContributorsNIDN/NIDK
Thesis advisorAntika, EllyNIDN0011107802
Uncontrolled Keywords: CNN, RGB, Klasifikasi Buah Sawit, DenseNet121, Citra Digital.
Subjects: 410 - Rumpun Ilmu Teknik > 450 - Teknik Elektro dan Informatika > 458 - Teknik Informatika
Divisions: Jurusan Teknologi Informasi > Prodi D4 Teknik Informatika > Tugas Akhir
Depositing User: Yunan Aditya Primawardana
Date Deposited: 23 Jun 2025 02:47
Last Modified: 23 Jun 2025 02:48
URI: https://sipora.polije.ac.id/id/eprint/42256

Actions (login required)

View Item View Item