OPTIMASI MODEL PENGKLASIFIKASI BIBIT KELAPA LOKAL DENGAN ALGORITMA DEEP LEARNING CONVOLUTIONAL NEURAL NETWORK

Muhammad Jibril (Universitas Islam Indragiri)
Achmad Isya Alfassa (Universitas Islam Indragiri)

Jurnal Perangkat Lunak
Vol 7 No 3 (2025): Jurnal Perangkat Lunak

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.