<![CDATA[Indonesia memiliki lebih dari 4.000 jenis kayu dengan karakteristik serat yang saling menyerupai, sehingga proses identifikasi jenis kayu secara manual sering menimbulkan kesalahan dan membutuhkan tenaga ahli. Permasalahan tersebut menjadi kendala dalam industri konstruksi, furnitur, dan pengolahan kayu yang membutuhkan ketepatan dalam menentukan jenis kayu. Penelitian ini bertujuan untuk mengembangkan sistem identifikasi jenis-jenis kayu secara otomatis berbasis citra visual serat kayu. Metode yang digunakan adalah Convolutional Neural Network (CNN) dengan arsitektur ResNet-50 dan optimizer Adam. Dataset yang digunakan terdiri dari lima jenis kayu, yaitu kayu jati, meranti, merbau, karet, dan sungkai, dengan total 390 citra yang dibagi menjadi data pelatihan dan data pengujian. Proses pelatihan model dilakukan dengan teknik augmentasi data untuk meningkatkan kemampuan generalisasi model. Hasil pengujian menunjukkan bahwa model ResNet-50 mampu mengidentifikasi jenis kayu dengan akurasi sebesar 96,45%, nilai presisi 0,967, recall 0,964, dan F1-score 0,963. Hasil tersebut menunjukkan bahwa metode yang diusulkan memiliki kinerja yang baik dan dapat digunakan sebagai solusi pendukung dalam proses identifikasi jenis kayu secara otomatis]]>
Copyrights © 2026
