Kualitas CPO yang baik adalah dihasilkan dari buah sawit yang mempunyai tingkat kematangan yang baik. Pada umumnya penentuan kematangan TBS kelapa sawit dilakukan melalui penilaian warna buah secara visual dan subjektif, sehingga perlu dikembangkan suatu model untuk mengidentifikasi tingkat kematangan berdasarkan karakteristik warna. Adapun tujuan dari penelitian ini adalah untuk mengembangkan sebuah model deep learning agar mendapatkan hyperparameter terbaik dari model yang diteliti yaitu AlexNet untuk mengklasifikasi tingkat kematangan. Jumlah dataset yang digunakan terdiri dari 6.000 buah gambar kelapa sawit dengan enam tingkat kematangan. Teknik augmentation akan digunakan untuk membantu memperbanyak jumlah dataset, selain itu menambahkan parameter image enhancement untuk mencerahkan gambar agar lebih nyata. Parameter lainnya menggunakan binary crossentropy untuk mengurangi loss dan optimizer menggunakan Stochastic Gradient Descent (SGD) untuk menemukan nilai optimal. Kemudian dari hasil evaluasi initial model dilakukan hyperparameter tuning untuk mendapatkan optimal parameter dari model AlexNet yang dibangun. Dari hasil penelitian ini menunjukkan bahwa model yang diajukan menggunakan metode Convolutional Neural Network (CNN) dengan menggunakan model AlexNet akurasi meningkat setelah menggunakan hyperparameter tuning dan image enhancement berhasil mencapai 0.9530.
Copyrights © 2022