Text
Analisis Kualitas Benih Kacang Tanah Berbasis Citra Digital Menggunakan Algoritma Convolutional Neural Network (CNN)
Seleksi manual benih kacang tanah (Arachis hypogaea L.) yang bersifat subjektif dan tidak efisien menjadi kendala utama bagi petani. Ketergantungan pada pengamatan visual rentan terhadap kesalahan, sehingga diperlukan solusi teknologi untuk meningkatkan akurasi dan efisiensi. Penelitian ini bertujuan untuk mengembangkan sebuah sistem analisis kualitas benih kacang tanah secara otomatis, cepat, dan objektif berbasis citra digital dengan memanfaatkan algoritma Convolutional Neural Network (CNN). Metode yang diimplementasikan menggunakan arsitektur MobileNetV2, yang dikenal efisien dan akurat. Model dilatih menggunakan dataset yang terdiri dari 1.000 citra benih kacang tanah lokal, yang diklasifikasikan ke dalam tiga kategori kualitas utama. Kinerja model dievaluasi berdasarkan metrik akurasi, precision, dan F1-score untuk memastikan kemampuan sistem dalam mengenali karakteristik visual benih secara konsisten. Hasil penelitian menunjukkan bahwa model yang dikembangkan berhasil mengklasifikasikan kualitas benih dengan performa yang sangat tinggi, mencapai tingkat akurasi keseluruhan sebesar 95%. Keberhasilan ini juga didukung oleh nilai rata-rata precision sebesar 96% dan rata-rata F1-score sebesar 95%. Sistem ini berhasil diwujudkan menjadi sebuah aplikasi fungsional dengan antarmuka intuitif, yang membuktikan bahwa teknologi ini sangat efektif untuk meningkatkan objektivitas dan efisiensi dalam seleksi benih, serta berpotensi besar mendukung peningkatan kualitas hasil pertanian.
| S250278 | SKR-2025 NAD a | Perpustakaan Universitas Handayani Makassar | Tersedia |
Tidak tersedia versi lain