MUSTAFA, M. RAFLI AL THORIQ (2026) IMPLEMENTASI RESNET-50 DALAM SISTEM DETEKSI KEMATANGAN TANDAN BUAH SEGAR (TBS) SAWIT. S1 thesis, UNIVERSITAS MALIKUSSALEH.

	Text Cover - Implementasi ResNet-50 dalam Sistem Deteksi Kematangan Tandan Buah Segar (TBS) Sawit - M. Rafli Al Thoriq Mustafa.pdf Download (114kB)
	Text Abstract - Implementasi ResNet-50 dalam Sistem Deteksi Kematangan Tandan Buah Segar (TBS) Sawit - M. Rafli Al Thoriq Mustafa.pdf Download (158kB)
	Text Bab I - Implementasi ResNet-50 dalam Sistem Deteksi Kematangan Tandan Buah Segar (TBS) Sawit - M. Rafli Al Thoriq Mustafa.pdf Download (110kB)
	Text Daftar Pustaka - Implementasi ResNet-50 dalam Sistem Deteksi Kematangan Tandan Buah Segar (TBS) Sawit - M. Rafli Al Thoriq Mustafa.pdf Download (112kB)
	Text Full Text - Implementasi ResNet-50 dalam Sistem Deteksi Kematangan Tandan Buah Segar (TBS) Sawit - M. Rafli Al Thoriq Mustafa.pdf Restricted to Registered users only Download (5MB)

Abstract

Proses sortasi tandan buah segar (TBS) sawit di pabrik yang dilakukan secara manual rentan terhadap subjektivitas dan kelalaian manusia (human error), sehingga berimplikasi pada inkonsistensi mutu rendemen crude palm oil (CPO). Penelitian ini bertujuan untuk merancang sistem sortasi cerdas dan objektif melalui implementasi algoritma deep learning berarsitektur convolutional neural network (CNN) model ResNet-50. Model dikembangkan menggunakan strategi transfer learning pada 1.380 citra latih untuk mengklasifikasikan TBS ke dalam kategori belum masak, masak, dan terlalu masak. Model klasifikasi tersebut kemudian diintegrasikan ke dalam antarmuka aplikasi web responsif menggunakan framework Flask dan proxy tunneling Ngrok agar dapat diakses oleh penyortir secara real-time di PKS. Berdasarkan pengujian sistem secara langsung terhadap 90 sampel data primer di PKS PTPN IV Tanjung Seumantoh, sistem mencatatkan kinerja yang luar biasa dengan akurasi klasifikasi sebesar 96,67% dan F1-Score 98,29%. Analisis reliabilitas Cohen’s Kappa menghasilkan skor 0,951 yang membuktikan tingkat kesepakatan hampir sempurna (almost perfect agreement) antara hasil deteksi sistem kecerdasan buatan dengan justifikasi visual petugas sortir. Hasil penelitian membuktikan bahwa sistem deteksi ini andal, efisien, serta efektif mampu mensubstitusi subjektivitas sortasi manual untuk mengoptimalkan standar mutu rendemen CPO di industri sawit. Kata kunci: deep learning, Flask, kematangan sawit, ResNet-50, Sortasi TBS.

Item Type:	Thesis (S1)
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software T Technology > T Technology (General)
Divisions:	Fakultas Teknik > 55201 - Jurusan Teknik Informatika
Depositing User:	M. Rafli Al Thoriq Mustafa
Date Deposited:	31 Aug 2026 04:14
Last Modified:	31 Aug 2026 04:14
URI:	https://rama.unimal.ac.id/id/eprint/21840

Actions (login required)

View Item