IDENTIFIKASI TINGKAT KEMATANGAN BUAH KELAPA SAWIT BERDASARKAN IMAGE FEATURE MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK

Alfalah, Muksin (2021) IDENTIFIKASI TINGKAT KEMATANGAN BUAH KELAPA SAWIT BERDASARKAN IMAGE FEATURE MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK. S1 thesis, sistem informasi.

	Text cetak skripsi.pdf Restricted to Repository staff only Download (1MB)
	Text COVER.pdf Download (71kB)
	Text KATA PENGANTAR.pdf Download (49kB)
	Text KATA PENGANTAR.pdf Download (49kB)
	Text BAB 1.pdf Download (142kB)
	Text BAB 5.pdf Download (66kB)
	Text DAFTAR PUSTAKA.pdf Download (86kB)

Abstract

Kelapa sawit merupakan salah satu tanaman perkebunan yang memiliki peran penting bagi perekonomian nasional, terutama sebagai penyedia lapangan kerja, sumber pendapatan dan devisa negara. Peningkatan akan kebutuhan bahan baku produk-produk minyak kelapa sawit dalam bentuk makanan maupun non makanan tidak hanya dirasakan oleh masyarakat Indonesia tetapi juga negara lain. Hal ini memicu para petani kelapa sawit atau pengelola untuk lebih memaksimalkan hasil produksi minyak kelapa sawit dalam bentuk Crude Palm Oil (CPO). Kendala yang sering dihadapi yaitu kurang berkualitasnya minyak kelapa sawit mentah. Berdasarkan wawancara yang dilakukan terhadap Manajer PT. Rigunas Agri Utama yang merupakan pabrik pengelola buah kelapa sawit di Kabupaten Tebo melakukan proses sortasi terhadap buah kelapa sawit yang akan diolah menjadi minyak mentah. Jumlah buah kelapa sawit yang di sortasi oleh pabrik, sekitar 5% buah kelapa sawit yang tidak siap untuk diolah selanjutnya. Proses dalam pemilihan buah kelapa sawit yang dilakukan berbagai perusahaan pengolah maupun para petani yang menanam kelapa sawit pada umumnya hanya dilakukan secara manual dan melibatkan manusia sebagai pengambil keputusan, proses pengidentifikasian seperti itu memiliki kelemahan. Oleh sebab itu, teknologi pengenalan citra dapat menjadi salah satu solusi yang bisa digunakan untuk mengatasi hal tersebut. Salah satu teknologi dalam pengenalan suatu gambar adalah menggunakan algoritma CNN Berdasarkan hasil penelitian didapatkan tingkat akurasi sebesar 98% pada proses training dan 76% pada proses testing. Kemudian penelitian ini menggunakan data baru untuk menguji model yang telah dibuat dan menghasilkan nilai akurasi yang baik dalam mengenali buah kelapa sawit. Sehingga dapat disimpulkan bahwa model dan Website yang telah mampu melakukan identifikasi buah kelapa sawit.

Type:	Thesis (S1)
Subjects:	L Education > LB Theory and practice of education L Education > LC Special aspects of education
Divisions:	Fakultas Sains dan Teknologi > Sistem Informasi
Depositing User:	Muksin Alfalah
Date Deposited:	26 Jul 2021 04:02
Last Modified:	26 Jul 2021 04:02
URI:	https://repository.unja.ac.id/id/eprint/24356

Actions (login required)

View Item