Sistem Pakar Berbasis Web untuk Klasifikasi Kematangan Buah Kelapa Sawit Menggunakan MobileNetV2

Abstract

Penilaian kematangan tandan buah segar (TBS) kelapa sawit di PT Trihar Sentosa Abadi
masih dilakukan melalui pengamatan langsung oleh petugas quality control. Cara tersebut
dapat menimbulkan perbedaan hasil penilaian karena dipengaruhi oleh pengalaman,
ketelitian, serta kondisi kerja di lapangan. Penelitian ini mengembangkan sistem pakar
berbasis web untuk membantu mengidentifikasi tingkat kematangan buah kelapa sawit
secara otomatis menggunakan model Convolutional Neural Network (CNN) dengan
arsitektur MobileNetV2. Data yang digunakan berjumlah 5.000 citra buah sawit dan
dibagi ke dalam lima kategori, yaitu unripe, underripe, ripe, overripe, dan abnormal.
Proses pengembangan model dilakukan melalui tahap pelatihan, validasi, dan pengujian.
Model yang telah dilatih kemudian diimplementasikan ke dalam aplikasi web
menggunakan bahasa pemrograman Python dan framework Flask. Berdasarkan hasil
pengujian, model memperoleh akurasi sebesar 85,47% pada data uji. Hasil tersebut
menunjukkan bahwa MobileNetV2 mampu mengenali perbedaan visual pada buah sawit,
terutama berdasarkan warna, tekstur, dan kondisi permukaan buah. Sistem yang
dikembangkan diharapkan dapat membantu proses sortasi menjadi lebih cepat, konsisten,
dan objektif sehingga dapat mendukung peningkatan kualitas hasil panen serta
mengurangi risiko kesalahan klasifikasi.