<![CDATA[Penilaian kematangan tandan buah segar (TBS) kelapa sawit di PT Trihar Sentosa Abadimasih dilakukan melalui pengamatan langsung oleh petugas quality control. Cara tersebutdapat menimbulkan perbedaan hasil penilaian karena dipengaruhi oleh pengalaman,ketelitian, serta kondisi kerja di lapangan. Penelitian ini mengembangkan sistem pakarberbasis web untuk membantu mengidentifikasi tingkat kematangan buah kelapa sawitsecara otomatis menggunakan model Convolutional Neural Network (CNN) denganarsitektur MobileNetV2. Data yang digunakan berjumlah 5.000 citra buah sawit dandibagi ke dalam lima kategori, yaitu unripe, underripe, ripe, overripe, dan abnormal.Proses pengembangan model dilakukan melalui tahap pelatihan, validasi, dan pengujian.Model yang telah dilatih kemudian diimplementasikan ke dalam aplikasi webmenggunakan bahasa pemrograman Python dan framework Flask. Berdasarkan hasilpengujian, model memperoleh akurasi sebesar 85,47% pada data uji. Hasil tersebutmenunjukkan bahwa MobileNetV2 mampu mengenali perbedaan visual pada buah sawit,terutama berdasarkan warna, tekstur, dan kondisi permukaan buah. Sistem yangdikembangkan diharapkan dapat membantu proses sortasi menjadi lebih cepat, konsisten,dan objektif sehingga dapat mendukung peningkatan kualitas hasil panen sertamengurangi risiko kesalahan klasifikasi.]]>
Copyrights © 2026
