Model Klasifikasi Jenis Bibit Kelapa Sawit Menggunakan Metode MobileNet-V3 Small

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