IMPLEMENTASI CONVOLUTIONAL NEURAL NETWORK DALAM MENDETEKSI TINGKAT KEMATANGAN BUAH KAKAO

Indonesia merupakan negara agraris dengan sektor perkebunan yang memiliki peran penting dalam perekonomian nasional. Kakao (Theobroma cacao L.) merupakan salah satu komoditas unggulan yang memberikan kontribusi besar terhadap devisa negara. Namun, di Sumatera Utara, pertumbuhan subsektor perkebunan kakao mengalami perlambatan akibat berbagai tantangan, termasuk alih fungsi lahan. Selain itu, metode tradisional dalam menentukan tingkat kematangan buah kakao yang masih mengandalkan pengamatan manual sering kali menghasilkan ketidakakuratan akibat faktor subjektivitas manusia. Oleh karena itu, penelitian ini mengusulkan penggunaan metode Convolutional Neural Network (CNN) untuk mengklasifikasikan tingkat kematangan buah kakao secara otomatis. Model CNN yang dikembangkan diimplementasikan dalam aplikasi berbasis Android untuk memudahkan petani dalam mengakses teknologi ini. Hasil penelitian menunjukkan bahwa model CNN dengan hyperparameter optimal, yaitu batch size 32 dan learning rate 10⁻⁴, mampu mencapai akurasi latih sebesar 99.94% dan akurasi uji sebesar 99.71%. Model ini menunjukkan performa yang tinggi dalam mendeteksi kematangan kakao serta memiliki kemampuan generalisasi yang baik tanpa mengalami overfitting. Pengujian pada berbagai versi Android dan resolusi kamera membuktikan bahwa aplikasi ini dapat berjalan dengan baik dan memberikan hasil prediksi yang akurat. Dengan penerapan teknologi ini, diharapkan petani dapat meningkatkan efisiensi dan akurasi dalam menentukan tingkat kematangan kakao, sehingga mendukung peningkatan produktivitas dan pendapatan.