ABSTRAK
Kelapa sawit merupakan komoditas perkebunan utama di Indonesia, namun banyak
petani awam mengalami kesulitan membedakan jenis bibit secara visual sehingga
rentan mengalami kerugian akibat kesalahan pemilihan bibit. Penelitian ini
bertujuan membangun model klasifikasi jenis bibit kelapa sawit varietas Marihat
dan Sriwijaya berbasis citra digital. Kajian pustaka yang digunakan meliputi teori
pengolahan citra digital, deep learning, Convolutional Neural Network (CNN),
serta arsitekstur MobileNetV3-Small dengan pendekatan Transfer learning.
Penelitian ini menggunakan metode eksperimental dengan pendekatan kuantitatif.
Data dikumpulkan secaara sekunder melalui kurasi 550 citra digital dari platform
Roboflow, yang kemudian dibagai menjadi 440 citra data latih (80%) dan 110 citra
data uji (20%), serta melalui tahap pra-pemrosesan (resizing 224 × 224 piksel,
normalisasi) dan augmentasi data (rotasi, flipping, color jitter). Model dilatih
menggunakan Pytorch pada Google Colaboratory selama 30 epoch dengan
optimizer Adam. Hasil pengujian menggunakan confusion matrix menunjukkan
model mampu mengklasifikasikan bibit dengan akurasi 86% dan F1-Score rata-rata
0,86. Model kemudian diimplementasikan ke dalam aplikasi web berbasis Streamlit
yang mampu melakukan inferensi secara real-time. Penelitian ini menyimpulkan
bahwa arsitektur MobileNetV3-Small efektif digunakan untuk mengklasifikasikan
jenis bibit kelapa sawit dan dapat menjadi alat bantu pengambilan keputusan bagi
petani awam.
Kata kunci: kelapa sawit, klasifikasi citra, Convolutional Neural Network,
MobileNetV3-Small, deep learning