IMPLEMENTASI VISI KOMPUTER UNTUK KLASIFIKASI KUALITAS BENIH KECAMBAH KELAPA SAWIT MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN)

Minyak kelapa sawit merupakan salah satu komoditas ekspor terbesar Indonesia yang memainkan peran penting dalam memenuhi kebutuhan dunia akan produk berbasis kelapa sawit. Mengingat pentingnya kualitas benih kecambah kelapa sawit dalam menentukan keberhasilan pertumbuhan tanaman, diperlukan sistem klasifikasi yang akurat dan efisien. Klasifikasi manual yang dilakukan saat ini memiliki kelemahan dalam hal waktu dan akurasi, sehingga diperlukan teknologi otomatis untuk meningkatkan efisiensi dan konsistensi hasil klasifikasi.
Penelitian ini bertujuan untuk mengimplementasikan algoritma Convolutional Neural Network (CNN) dalam klasifikasi kualitas benih kecambah kelapa sawit serta menganalisis kinerja model tersebut menggunakan video processing. Dua model utama digunakan dalam penelitian ini, yaitu YOLOv5 untuk deteksi objek dan ResNet18 untuk klasifikasi. Data diambil melalui rekaman video benih kecambah kelapa sawit yang berjalan di atas conveyor, dengan jumlah total 100 benih kecambah untuk pelatihan dan 50 benih kecambah untuk pengujian.
Hasil penelitian menunjukkan bahwa model YOLOv5 dengan batch size 16 dan 50 epochs mencapai nilai mAP50 sebesar 0.995. Sementara itu, hasil terbaik untuk model ResNet18 dicapai dengan batch size 16, learning rate 0.0001, dan dropout 0.3, serta kombinasi skenario pengambilan data pada kecepatan conveyor 40 RPM dan jarak kamera 10 cm. Model ResNet18 mencapai akurasi sebesar 94%, precision 89%, recall 100%, dan F1-Score 94% pada pengujian.
Penelitian ini menunjukkan bahwa implementasi sistem klasifikasi berbasis CNN dengan video processing dapat meningkatkan efisiensi dan akurasi dalam klasifikasi kualitas benih kecambah kelapa sawit, yang diharapkan dapat mendukung peningkatan produktivitas dan kualitas di industri kelapa sawit.