<![CDATA[Abstrak. Kebutuhan akan Bahan Bakar Minyak (BBM) di Indonesia terus meningkat seiring dengan pertumbuhan jumlah penduduk dan tingginya tingkat mobilitas transportasi. Jenis-jenis BBM seperti Pertalite, Pertamax, dan Pertamax Turbo menjadi komoditas utama yang mendukung aktivitas sehari-hari masyarakat. Namun, perbedaan harga antar jenis BBM ini menyebabkan beberapa konsumen memilih BBM yang lebih murah, yang pada gilirannya membuka peluang bagi praktik ilegal berupa pengoplosan BBM. Pengoplosan ini melibatkan pencampuran antara BBM berkualitas tinggi dan rendah, yang tidak hanya merugikan konsumen dari sisi ekonomi, tetapi juga dapat menurunkan performa kendaraan, merusak mesin, dan mencemari lingkungan. Deteksi BBM oplosan secara konvensional, seperti dengan menggunakan sensor warna, memiliki keterbatasan dalam hal akurasi dan keandalan. Oleh karena itu, penelitian ini mengusulkan penggunaan metode deep learning untuk klasifikasi BBM dengan model DenseNet121. DenseNet121 adalah arsitektur jaringan saraf konvolusional yang dapat mengekstraksi fitur visual dengan sangat efisien berkat koneksi antar lapisan yang padat, yang memungkinkan model untuk membedakan perbedaan visual yang sangat halus antara berbagai jenis BBM dan campuran-campurannya. Model ini dilatih menggunakan citra digital BBM untuk secara otomatis mengidentifikasi jenis BBM dan mendeteksi adanya campuran. Diharapkan, penelitian ini dapat menyediakan solusi yang praktis dan akurat dalam mendeteksi BBM oplosan, serta berkontribusi pada pengawasan distribusi BBM, meningkatkan kesadaran konsumen, dan mencegah penyalahgunaan BBM di masyarakat.]]>
Copyrights © 2025
