Pengembangan Sistem Deteksi dan Klasifikasi Jenis Kelamin Bunga pada Kelapa Sawit

Pulau Sebatik di Kabupaten Nunukan, Kalimantan Utara, memiliki potensi besar dalam budidaya kelapa sawit. Namun, proses identifikasi jenis kelamin bunga kelapa sawit yang masih dilakukan secara manual sering kali menimbulkan kesalahan dan ketidakefisienan. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi otomatis berbasis citra guna mengidentifikasi jenis kelamin bunga kelapa sawit menggunakan arsitektur Convolutional Neural Network (CNN) VGG19. Dataset yang digunakan terdiri dari 800 citra primer yang terbagi secara merata antara bunga jantan dan betina. Melalui proses prapemrosesan dan augmentasi, jumlah dataset meningkat menjadi 1.164 citra, dengan pembagian 80:10:10 untuk data latih, validasi, dan uji. Model berhasil mencapai nilai presisi, recall, dan F1-score sebesar 100% pada data validasi dan pengujian. Namun, saat diuji pada 18 citra baru di luar dataset, terjadi beberapa kesalahan klasifikasi, khususnya dalam mengenali bunga betina sebagai bunga jantan. Hal ini menghasilkan nilai presisi dan recall rata-rata sebesar 95%, serta F1-score sebesar 94%. Temuan ini menunjukkan bahwa model memiliki kemampuan tinggi dalam mengklasifikasi jenis kelamin bunga kelapa sawit. Meskipun demikian, kesalahan pada implementasi nyata menunjukkan perlunya data latih yang lebih bervariasi. Sistem ini diharapkan dapat memberikan kontribusi nyata dalam sektor pertanian, khususnya dalam meningkatkan efisiensi dan akurasi identifikasi bunga kelapa sawit guna mendukung produktivitas perkebunan.