ANALISIS PENGGUNAAN ALGORITMA K-MEANS DAN SELF-ORGANIZING MAPS DALAM SISTEM DETEKSI KEMATANGAN TANDAN BUAH SEGAR KELAPA SAWIT BERBASIS CITRA DIGITAL

Abstract

Skripsi ini bertujuan untuk mengembangkan sistem deteksi kematangan Tandan Buah Segar (TBS) kelapa sawit menggunakan algoritma K-Means untuk segmentasi citra dan SOM untuk klasifikasi tingkat kematangan TBS. K-Means berfungsi untuk mengelompokkan data citra berdasarkan karakteristik warna, sedangkan SOM akan membantu dalam memetakan data ke ruang berdimensi rendah untuk analisis lebih lanjut. Melalui pengolahan citra digital, penelitian ini akan menganalisis perubahan warna pada TBS selama proses pematangan, yang menjadi indikator utama dalam menentukan tingkat kematangan. Diharapkan bahwa sistem yang dikembangkan dapat meningkatkan akurasi deteksi kematangan hingga 92,5% dibandingkan dengan metode konvensional. Selain itu, penelitian ini juga bertujuan untuk memberikan kontribusi signifikan terhadap efisiensi proses produksi minyak sawit dan mengurangi kerugian akibat kesalahan penentuan kematangan yang dapat mempengaruhi rendemen minyak hingga 15-20%. Dengan demikian, penelitian ini tidak hanya berfokus pada aspek teknis, tetapi juga pada dampak praktisnya bagi industri kelapa sawit di Indonesia, mendukung transformasi menuju pertanian modern berbasis teknologi tinggit.