<![CDATA[Indonesia merupakan negara agraris dengan sektor perkebunan yang berperan penting dalam perekonomiannya. Kakao (Theobroma cacao L.) merupakan komoditas strategis yang berkontribusi pada ekspor, lapangan kerja, agribisnis, serta pertanian berkelanjutan. Namun, di Sumatera Utara, meskipun sektor perkebunan berkembang, produksi kakao menghadapi tantangan seperti alih fungsi lahan. Proses pemanenan kakao secara tradisional mengandalkan penilaian kematangan secara manual, yang rentan terhadap kesalahan akibat kelelahan dan subjektivitas manusia. Convolutional Neural Network (CNN) telah banyak digunakan dalam pengolahan citra karena kemampuannya mengenali pola dengan akurasi tinggi. Penelitian ini mengusulkan penggunaan CNN dengan Transfer Learning berbasis EfficientNetB0 untuk mengklasifikasikan tingkat kematangan buah kakao. Dataset terdiri dari 360 gambar dalam kategori Mentah, Matang, Busuk, dan Unclassified, dengan teknik pra-pemrosesan seperti resizing, noise, rotasi, flipping, cropping, dan penghapusan latar belakang. Dataset dibagi menjadi 70% untuk pelatihan dan 30% untuk validasi, dengan optimasi hyperparameter. Model mencapai akurasi tinggi sebesar 99,71% pada data uji. Evaluasi menggunakan confusion matrix dan classification report menunjukkan kemampuan generalisasi yang baik. Selain itu, model berhasil diimplementasikan dalam aplikasi Android dengan fitur klasifikasi, riwayat, informasi, panduan, serta autentikasi pengguna. Sistem ini memungkinkan identifikasi kematangan buah kakao secara real-time dan praktis bagi petani.]]>
Copyrights © 2025
