<![CDATA[Pemilihan bibit kelapa pandan yang berkualitas merupakan tahap penting dalam mendukung pertumbuhan dan produktivitas tanaman, namun seleksi manual berdasarkan pengamatan visual bersifat subjektif, membutuhkan waktu, dan berpotensi menghasilkan keputusan yang kurang konsisten. Penelitian ini menerapkan Convolutional Neural Network (CNN) untuk mengklasifikasikan kualitas bibit kelapa pandan berdasarkan citra digital. Dataset terdiri atas 1.000 citra, yaitu 500 citra bibit unggul dan 500 citra bibit tidak unggul, yang dibagi menjadi 80% data training, 10% data validation, dan 10% data testing. Tahapan klasifikasi meliputi pengambilan dan validasi citra, preprocessing berupa resize dan normalisasi, pemrosesan menggunakan model CNN, serta prediksi kelas. Model yang telah dilatih diimplementasikan dalam aplikasi berbasis web dengan input melalui unggahan gambar maupun kamera. Hasil menunjukkan bahwa sistem mampu mengenali pola visual bibit, terutama bentuk bibit, warna daun, dan kondisi pertumbuhan, serta menampilkan kategori bibit beserta nilai confidence. Kinerja klasifikasi masih dipengaruhi kualitas citra, khususnya pencahayaan, sudut pengambilan gambar, dan kejernihan objek. Penerapan CNN dapat membantu proses pemilihan bibit secara lebih cepat, objektif, dan efisien]]>
Copyrights © 2026
