Klasifikasi Tingkat Kematangan Tandan Buah Segar Kelapa Sawit Berbasis Citra Menggunakan Arsitektur MobileNetV2 dengan Convolutional Block Attention Module (CBAM)
Kualitas minyak kelapa sawit mentah sangat dipengaruhi oleh tingkat kematangan tandan buah segar (TBS) kelapa sawit. Sehingga, proses penyortiran tingkat kematangan buah di pabrik kelapa sawit menjadi sangat penting. Penentuan tingkat kematangan secara manual dianggap memakan waktu, subjektif, tidak menyeluruh dan rentan terhadap kesalahan. Oleh karena itu, diperlukan suatu sistem yang dapat mendeteksi tingkat kematangan buah kelapa sawit secara otomatis. Penelitian ini bertujuan untuk menerapkan model modifikasi MobileNetV2 dengan penambahan Convolutional Block Attention Module (CBAM) dan mengevaluasi performa model tersebut dalam melakukan klasifikasi tingkat kematangan tandan buah kelapa sawit. Modifikasi yang dilakukan untuk meningkatkan perhatian model agar lebih fokus pada bagian gambar yang paling relevan. Dataset yang digunakan memiliki 6 label yaitu abnormal, kosong, mentah, kurang matang, matang dan terlalu matang. Pengujian hyperparameter menemukan dua konfigurasi terbaik yaitu ModelV4 dengan Adam, learning rate 0.0001, batch size 32 dan reduction ratio 4 serta ModelV13 dengan SGDM, learning rate 0.001, batch size 32 dan reduction ratio 4. Model menunjukkan performa sangat baik dengan akurasi, recall, precision dan F1-score masing-masing 98% (ModelV4) dan 97% (ModelV13) dalam klasifikasi kematangan TBS kelapa sawit.
URI
https://repo.itera.ac.id/depan/submission/SB2508040065
Keyword
CBAM Kelapa sawit Klasifikasi citra MobileNetV2