EUVIMEDEUVIMED entdecken
Crossref

PENINGKATAN AKURASI KLASIFIKASI KEMATANGAN KELAPA SAWIT BERBASIS CITRA DENGAN ENSEMBLE DEEP LEARNING TEROPTIMASI DIMENSI RASIO

Ahmad Rifai Ikhsanudin, Dian Ade Kurnia, Yudhistira Arie Wijaya, Dodi Solihudin, Tati Suprapti

Jurnal Mahasiswa Sistem Informasi (JMSI) · 29.05.2026 · 7 (2) · 569-578

DOI: 10.24127/jmsi.v7i2.11181 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Jurnal Mahasiswa Sistem Informasi (JMSI), online erschienen am 29.05.2026. Verfasst von Ahmad Rifai Ikhsanudin und 4 weiteren Autor:innen.

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Penentuan tingkat kematangan buah kelapa sawit secara manual sering menimbulkan subjektivitas dan menurunkan efisiensi. Penelitian ini mengembangkan metode klasifikasi berbasis citra menggunakan ensemble averaging pada tiga arsitektur MobileNetV2 dengan ukuran input berbeda (224×224, 224×300, dan 300×300) untuk mengurangi varians prediksi akibat variasi dimensi dan rasio aspek citra. Dataset yang digunakan berasal dari Kaggle berjumlah 1.380 citra, dengan pembagian 80% data latih dan 20% data validasi. Proses pengolahan mencakup rescaling, aspect-ratio-aware resizing, augmentasi, serta pelatihan menggunakan transfer learning dengan optimizer Adam dan early stopping. Hasil menunjukkan bahwa model berukuran 300×300 memberikan performa terbaik dengan akurasi 95,22% dan F1-score 0,9523. Ensemble averaging menghasilkan akurasi 94,71% dan F1-score 0,9475, yang meskipun sedikit lebih rendah dari model terbaik, memberikan stabilitas prediksi yang lebih baik dibanding model individual. Temuan ini menunjukkan bahwa resolusi input yang lebih tinggi meningkatkan kualitas ekstraksi fitur, sementara ensemble averaging tetap efektif dalam mereduksi varians dan meningkatkan ketahanan sistem klasifikasi di kondisi lapangan.

Zitieren

APA

Ikhsanudin, A. R., Kurnia, D. A., Wijaya, Y. A., Solihudin, D., & Suprapti, T. (2026). PENINGKATAN AKURASI KLASIFIKASI KEMATANGAN KELAPA SAWIT BERBASIS CITRA DENGAN ENSEMBLE DEEP LEARNING TEROPTIMASI DIMENSI RASIO. Jurnal Mahasiswa Sistem Informasi (JMSI), 7(2), 569-578. https://doi.org/10.24127/jmsi.v7i2.11181

Vancouver

Ikhsanudin AR, Kurnia DA, Wijaya YA, Solihudin D, Suprapti T. PENINGKATAN AKURASI KLASIFIKASI KEMATANGAN KELAPA SAWIT BERBASIS CITRA DENGAN ENSEMBLE DEEP LEARNING TEROPTIMASI DIMENSI RASIO. Jurnal Mahasiswa Sistem Informasi (JMSI). 2026;7(2):569-578. doi:10.24127/jmsi.v7i2.11181

BibTeX
@article{Ikhsanudin2026,
  author = {Ikhsanudin, Ahmad Rifai and Kurnia, Dian Ade and Wijaya, Yudhistira Arie and Solihudin, Dodi and Suprapti, Tati},
  title = {PENINGKATAN AKURASI KLASIFIKASI KEMATANGAN KELAPA SAWIT BERBASIS CITRA DENGAN ENSEMBLE DEEP LEARNING TEROPTIMASI DIMENSI RASIO},
  journal = {Jurnal Mahasiswa Sistem Informasi (JMSI)},
  year = {2026},
  volume = {7},
  number = {2},
  pages = {569--578},
  doi = {10.24127/jmsi.v7i2.11181}
}
Kostenlos starten →