IMPLEMENTASI SISTEM KLASIFIKASI JENIS KAYU JATI DAN AKASIA MENGGUNAKAN CONVOLUTIONAL NEURAL NET-WORK BERBASIS WEB

Kayu jati (Tectona grandis) dan kayu akasia (Acacia mangium) merupakan dua jenis kayu yang sering digunakan dalam industri mebel dan konstruksi. Namun, keduanya memiliki kemiripan visual pada pola serat dan tekstur, sehingga menyulitkan identifi-kasi secara manual, terutama bagi pengguna awam. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi otomatis berbasis web yang mampu membedakan kedua jenis kayu tersebut menggunakan metode Convolutional Neural Network (CNN) yang diperkaya dengan ekstraksi fitur tekstur Gray Level Co-occurrence Ma-trix (GLCM). Dataset berisi 600 citra (300 citra kayu jati dan 300 citra kayu akasia) dikumpulkan dari permukaan kayu yang telah dipotong, lalu melalui tahap prepro-cessing seperti resizing, normalisasi, dan augmentasi data. Fitur tekstur GLCM yang diekstraksi meliputi contrast, dissimilarity, homogeneity, energy, correlation, dan An-gular Second Moment (ASM). Arsitektur model CNN dirancang untuk meng-gabungkan informasi visual dari citra RGB dan fitur numerik dari GLCM. Model di-latih dengan pembagian data 80% latih, 10% validasi, dan 10% uji. Hasil evaluasi menunjukkan akurasi sebesar 91,67%, dengan nilai presisi, recall, dan F1-score rata-rata di atas 0,90. Model yang telah dilatih kemudian diimplementasikan ke dalam ap-likasi berbasis web menggunakan framework Flask, memungkinkan pengguna mengunggah citra dan mendapatkan prediksi jenis kayu secara instan.