Implementasi Sistem Klasifikasi Jenis Kayu Jati dan Akasia menggunakan Convolutional Neural Network Berbasis Web

Kayu jati (Tectona grandis) dan kayu akasia (Acacia mangium) banyak digunakan dalam industri furnitur dan konstruksi, namun sulit dibedakan secara visual karena kemiripan pola serat dan teksturnya. Untuk mengatasi permasalahan ini, penelitian ini mengusulkan sistem klasifikasi otomatis berbasis web menggunakan Convolutional Neural Network (CNN) yang dikombinasikan dengan ekstraksi fitur tekstur Gray Level Co-occurrence Matrix (GLCM). Dataset yang digunakan terdiri atas 600 citra penampang melintang kayu, yang terbagi secara seimbang antara kayu jati dan kayu akasia. Tahapan prapemrosesan citra meliputi pengubahan ukuran, normalisasi, dan augmentasi data. Fitur GLCM seperti kontras, dissimilarity, homogenitas, energi, korelasi, dan Angular Second Moment (ASM) diekstraksi untuk merepresentasikan karakteristik tekstur. Model CNN dirancang untuk mengintegrasikan informasi visual RGB dan fitur numerik GLCM. Dataset dibagi menjadi 80% data pelatihan, 10% validasi, dan 10% pengujian. Hasil pengujian menunjukkan akurasi sebesar 91,67%, dengan nilai presisi, recall, dan F1-score di atas 0,90. Model yang telah dilatih kemudian diimplementasikan menggunakan framework Flask, sehingga pengguna dapat mengunggah citra kayu dan memperoleh hasil klasifikasi secara langsung melalui antarmuka web.