<![CDATA[Klasifikasi bibit kelapa lokal masih mengandalkan metode manual yang subjektif dan tidak konsisten. Penelitian ini mengembangkan model Convolutional Neural Network (CNN) yang dioptimasi untuk klasifikasi empat kelas kualitas bibit: Premium, Standard, Low, dan Rejected. Dataset berisi 4.004 citra, dengan augmentasi dan stratified splitting untuk menjaga distribusi kelas. Model terdiri dari tiga blok konvolusi dengan batch normalization, max-pooling, dropout, dan fully connected layer, berjumlah 495.108 parameter terlatih. Optimasi dilakukan melalui fine-tuning, hyperparameter tuning, dan regularisasi. Hasil menunjukkan akurasi 96%, precision, recall, dan F1-score tinggi, serta ROC-AUC mendekati 1.00 untuk semua kelas, menandakan kemampuan klasifikasi yang akurat dan generalisasi baik. Model ini efisien secara komputasi, siap diterapkan di lapangan untuk mendukung peningkatan kualitas bibit kelapa lokal.]]>
Copyrights © 2025
