Penerapan Adaptive Wiener Filter pada Sistem Klasifikasi Benih Kecambah Kelapa Sawit Menggunakan CNN = Implementation of an Adaptive Wiener Filter in a Germinated Oil Palm Seed Classification System Using CNN

Latar belakang. Klasifikasi benih kecambah kelapa sawit secara manual pada industri perkebunan masih berjalan lambat, subjektif, serta berisiko kesalahan, terutama pada implementasi sistem konveyor berkecepatan tinggi yang menyebabkan citra kabur akibat motion blur. Kondisi tersebut menurunkan akurasi proses seleksi, sehingga dibutuhkan inovasi teknologi untuk meningkatkan efisiensi dan akurasi klasifikasi secara otomatis menggunakan visi komputer. Tujuan. Penelitian ini bertujuan mengimplementasikan Adaptive Wiener Filter (AWF) sebagai pra-pemrosesan citra pada sistem klasifikasi benih kecambah kelapa sawit berbasis YOLOv8 agar mampu mengatasi degradasi citra dan menyempurnakan akurasi deteksi secara otomatis. Metode. Pengembangan sistem dilakukan dengan mengintegrasikan konveyor dan kamera untuk mengumpulkan data, melakukan augmentasi, serta menerapkan AWF pada tahap pra-pemrosesan sebelum training dan pengujian model YOLOv8n. Performa sistem dievaluasi menggunakan confusion matrix dan metrik akurasi, presisi, recall, dan F1 score pada berbagai skenario kecepatan dan posisi kamera. Hasil. Penerapan AWF meningkatkan akurasi sistem dari 0,980 menjadi 0,992 (kenaikan sekitar 1,02%) serta meningkatkan recall dari 0,960 menjadi 0,984 (kenaikan sekitar 2,09%) pada rentang confidence score threshold 0,50–0,65. Nilai F1 score juga naik dari 0,979 menjadi 0,992 (sekitar 1,10%), sementara precision tetap 1,00. Selain itu, jumlah false negative turun dari 10 menjadi 4 dari total 500 data uji, sehingga klasifikasi lebih tepat sasaran dan sistem lebih robust terhadap penurunan kualitas citra akibat blur. Kesimpulan. Adaptive Wiener Filter terbukti efektif sebagai solusi untuk memperbaiki citra terdegradasi dan meningkatkan keandalan sistem klasifikasi benih secara otomatis berbasis visi komputer dalam industri kelapa sawit.