Deteksi Tingkat Kematangan Buah Kelapa Sawit Menggunakan MobileNetV2

Abstract

Kegiatan ini dilakukan dalam waktu lima bulan di Bangkit Academy by Google, GoTo, Traveloka. Dengan alur belajar multidisiplin “Machine Learning Path” menjadi salah satu perwujudan dari adanya Merdeka Belajar Kampus Merdeka. Program pelatihan ini bertujuan untuk mempersiapkan para peserta Bangkit dengan kecakapan (skills) yang relevan dan dibutuhkan berdasarkan sertifikasi teknikal. Ini merupakan bagian integral dari program, yang mencakup kegiatan pembelajaran secara mandiri melalui sesi konsultasi, sesi ILT (Instructor-Led Training) – Machine Learning [ILT-ML], Softskill [ILT-Softskill], English [ILT-English], team meeting, dan proyek akhir berupa capstone project. Tema capstone project yang dipilih penulis adalah “Food Accessibility, Agribusiness, and Food Security” dengan latar belakang pemisahan buah kelapa sawit bongkahan dan brondolan matang dengan yang tidak matang masih dilakukan secara manual. Proyek ini dibuat untuk membantu pengusaha kelapa sawit dalam memisahkan buah kelapa sawit yang matang dengan yang tidak matang. Model yang dibangun oleh tim machine learning dikembangkan dengan dasar model MobileNetV2 serta diterapkan juga metode transfer learning. Algoritma CNN diterapkan untuk mengevaluasi dataset karena ditemukannya kesalahan dalam mendeteksi buah kelapa sawit. Para peserta Bangkit yang dapat menjalani masa program dengan baik, akan diberikan kesempatan untuk mengikuti ujian sertifikasi. Kesempatan tersebut mencakup partisipasi dalam TensorFlow Developer Certification yang diselenggarakan secara resmi dan gratis oleh Google. Pelaksanaan kegiatan ini telah berjalan sukses berkat peran aktif para peserta dan dukungan dari pihak terkait. Kegiatan ini telah dilaksanakan sesuai dengan rencana yang telah ditetapkan, memastikan bahwa para peserta dapat meraih manfaat maksimal dari program ini.