View/Open

Author
Egi Prananta, Sembiring

Advisor
Harmiansyah, S.T, M.T
Dr. Supriyanto, S.TP, M.Kom

Koleksi
Teknik Biosistem

Publisher

Perkebunan kelapa sawit Indonesia mengalami memiliki laju produksi tandan buah segar dan produksi CPO dipengaruhi oleh kualitas buah yang memiliki kematangan baik dan seragam yang diterima oleh pabrik pengolahan kelapa sawit. Keseragaman mutu buah yang dihasilkan dari proses panen melalui kriteria kematangan buah yaitu fraksi 00, fraksi 1, fraksi 3, dan fraksi 4 sehingga perlu adanya deteksi kematangan berbasis deep learning dengan model pra-Terlatih YOLOv5 yang dapat mendeteksi kematangan tandan buah segar kelapa sawit . Tujuannya tersebut untuk pengembangan model deteksi kematangan berbasis deep learning berdasarkan citra visual dan menganalisa kinerja algoritma deep learning dengan klasifikasi tingkat kematangan tandan buah segar kelapa sawit. Metode yang digunakan yaitu dengan pengumpulan dataset tandan buah segar kelapa sawit dengan 4180 gambar. Dataset yang dikumpulkan akan dianotasikan dengan roboflow sehingga hasil anotasi akan diproses training, proses validasi, dan uji testing pada script deep learning yang digunakan. Hasil yang didapatkan total loss pada proses training yaitu 6,64%. Hasil yang didapatkan pada proses validasi terdiri dari precision 69,75%, nilai recall 75,58%, nilai mean average precision 73,44%. Hasil testing yang didapatkan pada terdiri dari precision 86,75%, nilai recall 94,75%, nilai mean average precision 86,75% serta nilai confusion matriks. Hasil tersebut menunjukkan bahwa sistem yang dibuat dan digunakan sudah berjalan dengan baik.

URI
https://repo.itera.ac.id/depan/submission/SB2308190003

Keyword