Abstract:
Penentuan tingkat kematangan buah kelapa sawit merupakan faktor penting dalam
meningkatkan kualitas hasil produksi. Proses penentuan kematangan secara manual
seringkali bersifat subjektif dan kurang konsisten. Oleh karena itu, diperlukan suatu
sistem yang dapat membantu dalam mengklasifikasikan tingkat kematangan buah
kelapa sawit secara otomatis dan objektif. Penelitian ini beujuan untuk membangun
sistem klasifikasi tingkat kematangan buah kelapa sawit berbasis citra digital
menggunakan algoritma CatBoost. Dataset yang digunakan berjumlah 1000 citra yang
terbagi ke dalam empat kelas, yaitu mentah, mengkal, matang, dan terlalu matang,
masing-masing sebanyak 250 citra. Tahapan yang dilakukan meliputi preprocessing
citra berupa resize, normalisasi, dan konversi warna, kemudian dilanjutkan dengan
ekstraksi fitur warna (RGB) dan fitur tekstur menggunakan metode Gray Level Co-
occurrence Matrix (GLCM). Hasil ekstraksi fitur digunakan sebagai input dalam proses
klasifikasi menggunakan algoritma CatBoost. Sistem yang dibangun berbasis website
menggunakan framework Flask, sehingga memudahkan pengguna dalam melakukan
klasifikasi secara langsung. Berdasarkan hasil pengujian, sistem mampu
mengklasifikasikan tingkat kematangan buah kelapa sawit dengan cukup baik sesuai
dengan karakteristik visual citra yang diinputkan. Dengan demikian, sistem ini dapat
digunakan sebagai alat bantu dalam menentukan tingkat kematangan buah kelapa sawit
secara otomatis, sehingga diharapkan dapat meningkatkan efisiensi dan objektivitas
dalam proses penilaian kematangan buah.