RAHMAN, FADHLUR (2026) IMPLEMENTASI FASTER R-CNN UNTUK DETEKSI TINGKAT KEMATANGAN BUAH SAWIT. S1 thesis, Universitas Malikussaleh.

	Text COVER FADHLUR RAHMAN.pdf Download (117kB)
	Text ABSTRAK FADHLUR RAHMAN.pdf Download (14kB)
	Text BAB 1 FADHLUR RAHMAN.pdf Download (216kB)
	Text DAPUS FADHLUR RAHMAN.pdf Download (86kB)
	Text SKRIPSI FADHLUR RAHMAN.pdf Restricted to Registered users only Download (3MB)

Abstract

Penentuan tingkat kematangan buah kelapa sawit merupakan faktor penting yang sangat berpengaruh terhadap kualitas dan kuantitas minyak sawit yang dihasilkan. Proses penilaian kematangan yang masih dilakukan secara manual memiliki keterbatasan dari segi waktu, subjektivitas, dan konsistensi hasil. Oleh karena itu, penelitian ini bertujuan untuk mengimplementasikan metode Faster Region-based Convolutional Neural Network (Faster R-CNN) sebagai solusi otomatis dalam mendeteksi tingkat kematangan buah sawit berbasis citra digital. Data yang digunakan pada penelitian ini berupa 200 citra buah kelapa sawit dengan variasi tingkat kematangan, yaitu mentah, setengah matang, matang, dan busuk, yang diperoleh melalui pengumpulan data primer dan sekunder. Tahapan penelitian meliputi pengumpulan data, pra-pemrosesan citra, pelabelan bounding box, pelatihan model Faster R-CNN, serta pengujian dan evaluasi model. Sistem dikembangkan dalam bentuk aplikasi berbasis web dengan dukungan framework Flask dan proses deteksi objek berbasis deep learning. Hasil penelitian menunjukkan bahwa model Faster R-CNN mampu mendeteksi dan mengklasifikasikan tingkat kematangan buah sawit dengan tingkat akurasi yang baik, serta mampu menampilkan lokasi objek secara tepat melalui bounding box. Dalam mengklasifikasikan kematangan buah sawit berada pada angka 63,63% (status benar 7 dari 12 data yang dievaluasi). Meskipun demikian, tingkat kesalahan klasifikasi (false positive/negative) relatif rendah, yaitu hanya sebesar 9,09%. Tantangan utama terletak pada tingkat ketidakterdeteksian objek (undetected) yang mencapai 36,36%.Implementasi sistem ini terbukti dapat meningkatkan efisiensi dan akurasi proses identifikasi kematangan buah sawit dibandingkan metode konvensional. Kesimpulan dari penelitian ini adalah bahwa penerapan Faster RCNN efektif digunakan sebagai sistem pendukung keputusan dalam menentukan waktu panen buah kelapa sawit secara otomatis dan objektif

Item Type:	Thesis (S1)
Subjects:	Q Science > Q Science (General) Q Science > QA Mathematics Q Science > QA Mathematics > QA76 Computer software T Technology > T Technology (General)
Divisions:	Fakultas Teknik > 55201 - Jurusan Teknik Informatika
Depositing User:	Fadhlur Rahman
Date Deposited:	28 Jul 2026 02:20
Last Modified:	28 Jul 2026 02:20
URI:	https://rama.unimal.ac.id/id/eprint/20616

Actions (login required)

View Item