Text

KLASIFIKASI CITRA KUALITAS BIBIT KELAPA SAWIT MENGGUNAKAN METODE CONVOLUTION NEURAL NETWORK (CNN) DENGAN EKSTRAK FITUR GLCM

---

Kelapa sawit merupakan komoditas unggulan Indonesia, namun kualitas bibit yang buruk dapat menurunkan produktivitas petani, khususnya petani lokal yang kesulitan mengenali bibit unggul dan bibit yang terkena hama atau penyakit. Penelitian ini bertujuan untuk membangun sistem klasifikasi citra bibit kelapa sawit menggunakan metode Convolutional Neural Network (CNN) yang digabungkan dengan fitur tekstur dari Gray Level Co-occurrence Matrix (GLCM). Dataset terdiri dari 1.500 citra yang telah diperluas menjadi 6.000 melalui augmentasi. Model dibangun menggunakan pendekatan multi-input, yaitu memproses citra menggunakan CNN dan fitur GLCM (contrast, energy, correlation, dan homogeneity) melalui layer terpisah yang kemudian digabung. Hasil pelatihan menunjukkan akurasi 91,52% pada data pelatihan dan 74,58% pada data validasi. Aplikasi ini juga diuji secara black box dan mendapatkan nilai User Acceptance Testing (UAT) sebesar 97,66%, menunjukkan sistem sangat layak digunakan. Penelitian ini diimplementasikan dalam aplikasi web berbasis Flask untuk memudahkan petani dalam mengidentifikasi kualitas bibit. Hasilnya diharapkan dapat membantu meningkatkan produktivitas kelapa sawit di kalangan petani lokal.

---

Availability

Detail Information

Call Number

Informatika 664.3 Bay k

Language

Indonesia

NPM

203510361

Publisher

Informatika : Universitas Islam Riau., 2025

Keyword(s)

CNN
Bibit Sawit
Klasifikasi Citra

Other Information

Petugas

Ayu Agustina

Other version/related

File Attachment

Comments

---

You must be logged in to post a comment