<![CDATA[Identifikasi varietas bibit durian secara akurat pada fase pembibitan sangat krusial untuk mencegah kerugian ekonomi akibat kesalahan pemilihan varietas unggul. Namun, identifikasi manual berbasis visual memiliki kelemahan pada subjektivitas dan tingkat kesalahan manusia yang tinggi. Penelitian ini mengusulkan model klasifikasi otomatis untuk empat varietas durian populer (Bawor, Duri Hitam, Musang King, dan Super Tembaga) menggunakan arsitektur Deep Residual Network (ResNet50). Peningkatan akurasi dilakukan melalui integrasi teknik prapemrosesan background removal berbasis ambang batas untuk mereduksi noise latar belakang dan penerapan strategi fine-tuning pada lapisan fully connected. Selain itu, optimasi hyperparameter dilakukan secara sistematis untuk menentukan learning rate dan batch size optimal. Hasil eksperimen menunjukkan bahwa model yang diusulkan mencapai performa superior dengan akurasi klasifikasi sebesar 96% dan stabilitas nilai loss pada rentang 0.15–0.20. Hasil ini membuktikan bahwa pendekatan deep learning dengan optimasi prapemrosesan mampu memberikan solusi identifikasi yang lebih objektif dan presisi dibandingkan metode konvensional. Penelitian ini berkontribusi pada pengembangan sistem pertanian digital yang cerdas dalam mendukung standarisasi kualitas bibit durian.]]>
Copyrights © 2026
