EUVIMEDEUVIMED entdecken
Open Access · CC BY-NC-SA 4.0

Klasifikasi Kematangan Tandan Buah Segar Kelapa Sawit Menggunakan ResNet18 Berbasis Citra RGB

Muhammad Islah, Muhammad Dhafa, Fauzi Ikhsan

Journal of Informatics and Communication Technology (JICT) · 03.06.2026 · 7 (2) · 136-145

DOI: 10.52661/jict.v7i2.478 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Journal of Informatics and Communication Technology (JICT), online erschienen am 03.06.2026. Verfasst von Muhammad Islah und 2 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY-NC-SA 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Indonesia merupakan salah satu produsen minyak kelapa sawit terbesar di dunia, sehingga tingkat kematangan tandan buah segar (TBS) pada saat panen sangat memengaruhi rendemen minyak dan kualitas produk. Dalam praktiknya, penilaian kematangan TBS di perkebunan masih umum dilakukan secara visual melalui warna buah dan jumlah brondolan di tanah, yaitu prosedur sederhana namun bersifat subjektif serta dipengaruhi oleh kondisi pencahayaan dan pengalaman pekerja. Studi ini mengusulkan model klasifikasi kematangan TBS berbasis deep learning menggunakan arsitektur ResNet18 dengan masukan citra RGB. Model membedakan lima tingkat kematangan (mentah, hampir matang, matang penuh, terlalu matang, dan busuk) dari citra RGB yang diperoleh dari dataset publik dan foto lapangan, yang kemudian dibagi menjadi himpunan pelatihan, validasi, dan pengujian. Setelah melalui tahap pre-processing dan augmentasi data standar, model ResNet18 pre-trained disesuaikan (fine-tuned) pada dataset TBS. Pada himpunan uji, model mencapai akurasi 89,94%. Skor F1 per kelas menunjukkan bahwa kelas ekstrem seperti mentah dan busuk lebih mudah dipisahkan dibandingkan kelas batas (borderline) seperti hampir matang dan matang penuh. Sebuah prototipe sederhana diuji secara lokal menggunakan foto dari kamera ponsel, yang menunjukkan bahwa model ResNet18 berbasis citra RGB berpotensi menjadi alat pendukung keputusan yang praktis untuk penilaian kematangan TBS yang lebih objektif dan konsisten.

Zitieren

APA

Islah, M., Dhafa, M., & Ikhsan, F. (2026). Klasifikasi Kematangan Tandan Buah Segar Kelapa Sawit Menggunakan ResNet18 Berbasis Citra RGB. Journal of Informatics and Communication Technology (JICT), 7(2), 136-145. https://doi.org/10.52661/jict.v7i2.478

Vancouver

Islah M, Dhafa M, Ikhsan F. Klasifikasi Kematangan Tandan Buah Segar Kelapa Sawit Menggunakan ResNet18 Berbasis Citra RGB. Journal of Informatics and Communication Technology (JICT). 2026;7(2):136-145. doi:10.52661/jict.v7i2.478

BibTeX
@article{Islah2026,
  author = {Islah, Muhammad and Dhafa, Muhammad and Ikhsan, Fauzi},
  title = {Klasifikasi Kematangan Tandan Buah Segar Kelapa Sawit Menggunakan ResNet18 Berbasis Citra RGB},
  journal = {Journal of Informatics and Communication Technology (JICT)},
  year = {2026},
  volume = {7},
  number = {2},
  pages = {136--145},
  doi = {10.52661/jict.v7i2.478}
}
Kostenlos starten →