PENERAPAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK BERBASIS MOBILENETV2 PADA KLASIFIKASI KUALITAS REMPAH PALA BERDASARKAN CITRA BUAH

• DEDE KURNIA
• 2025

---

Penelitian ini membahas penerapan algoritma Convolutional Neural Network (CNN) berbasis arsitektur MobileNetV2 untuk klasifikasi kualitas rempah pala berdasarkan citra digital. Permasalahan utama yang dihadapi adalah proses sortasi buah pala yang masih dilakukan secara manual, sehingga berpotensi menimbulkan kesalahan dalam membedakan tingkat kematangan (mentah, mengkal, dan matang). Untuk mengatasi hal tersebut, penelitian ini mengimplementasikan model CNN dengan pendekatan transfer learning menggunakan MobileNetV2. Dataset citra buah pala diperoleh secara langsung dari perkebunan, kemudian melalui tahap preprocessing meliputi resizing, normalisasi, dan augmentasi. Model dilatih menggunakan 70% data latih, 15% data validasi, dan 15% data uji, serta divalidasi dengan teknik 5-Fold Cross Validation.Hasil penelitian menunjukkan bahwa model CNN dasar menghasilkan akurasi 95,45%, sementara penerapan MobileNetV2 dengan fine-tuning dan cross validation mencapai akurasi hingga 98,82%. Evaluasi menggunakan confusion matrix memperlihatkan performa tinggi pada klasifikasi kelas mentah dan mengkal, dengan nilai rata-rata precision 0,97, recall 0,95, dan f1-score 0,96. Temuan ini membuktikan bahwa CNN berbasis MobileNetV2 mampu meningkatkan efektivitas klasifikasi kualitas buah pala, sehingga berpotensi menggantikan metode sortasi manual dan mendukung transformasi digital pada sektor pertanian, khususnya komoditas pala.

• Convolutional Neural Network
• MobileNetV2
• Klasifikasi
• Citra Digital
• Rempah Pala.

https://repository.bsi.ac.id/repo/65622/PENERAPAN-ALGORITMA-CONVOLUTIONAL-NEURAL-NETWORK-BERBASIS-MOBILENETV2-PADA-KLASIFIKASI-KUALITAS-REMPAH-PALA-BERDASARKAN-CITRA-BUAH
Anda dapat membaca file tugas akhir ini di repository.