SISTEM DETEKSI KEMATANGAN BUAH SAWIT DENGAN MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN)

Kelapa sawit adalah tanaman sumber daya alam sektor perkebunan yang berharga di Indonesia, dengan prospek pertumbuhan masa depan yang menjanjikan. Setelah kopi dan karet, sumber daya alam kelapa sawit baik bahan baku maupun produk olahan, merupakan sumber devisa non migas ketiga terbesar di Indonesia. Penelitian ini bertujuan untuk mengembangkan aplikasi android yang mampu mendeteksi kematangan buah sawit menggunakan teknologi deep learning. Arsitektur MobileNet V2 digunakan sebagai model Convolutional Neural Network untuk memproses dan mendeteksi kematangan buah sawit. Pembagian data yang digunakan yaitu data split 60:20:20, dengan batch size 32, dan learning rate 10^-4. Akurasi pelatihan dan validasi meningkat seiring dengan perubahan rasio pembagian dataset. Pada rasio 60:20:20, akurasi pelatihan mencapai puncaknya di 98.20%, sementara akurasi validasi tetap tinggi di 95.00%. menandakan performa model yang sangat baik. Hal ini menandakan efisiensi penggunaan data, di mana model mampu mengenali pola pada data baru dengan baik tanpa bergantung pada banyak data pelatihan Aplikasi yang dibangun terbukti efektif dalam menyediakan kebutuhan yang relevan bagi pengguna, dengan kemudahan akses dalam penggunaannya. Keefektifan ini diperoleh melalui dua pengujian. Pengujian pertama yaitu kinerja aplikasi dengan mengukur selisih waktu penggunaan secara manual dan menggunakan aplikasi. Sehingga diperoleh selisih waktu 9 menit dalam penyortiran 1 truk Tandan Buah Segar (TBS). Pengujian kedua dengan menggunakan angket kepada pengguna. Diperoleh skor dengan persentase Tampilan Aplikasi 87.67%, Kinerja Aplikasi 83,67%, dan Kepuasan User 88%. Berdasarkan kriteria persentase untuk kuisioner tersebut diperoleh hasil pengujian aplikasi untuk seluruhnya dengan kriteria sangat baik/sangat layak.