Analisis Performa Vision Transformer (ViT) Dalam Klasifikasi Tingkat Kematangan Tandan Buah Kelapa Sawit

Klasifikasi tingkat kematangan tandan buah segar (TBS) kelapa sawit merupakan
proses penting dalam menentukan kualitas hasil panen. Penentuan kematangan
yang masih dilakukan secara manual berpotensi menimbulkan subjektivitas dan
ketidakkonsistenan hasil. Penelitian ini bertujuan menganalisis performa Vision
Transformer (ViT) dalam mengklasifikasikan tingkat kematangan tandan buah
kelapa sawit ke dalam tiga kelas, yaitu belum masak, masak, dan terlalu masak.
Dataset yang digunakan berjumlah 1.380 citra yang terbagi seimbang pada setiap
kelas. Data dibagi menjadi 80?ta training dan 20?ta testing. Model yang
digunakan adalah Vision Transformer dengan arsitektur ViT Small Patch16 yang
dilatih selama 30 epoch melalui tahapan preprocessing berupa resizing,
normalisasi, dan augmentasi data. Hasil penelitian menunjukkan akurasi 97,10%,
presisi, 0,97, recall 0,97, dan F1-score 0,97 dengan waktu komputasi 2221,68 detik.
Hasil tersebut menunjukkan bahwa Vision Transformer mampu mengklasifikasikan
tingkat kematangan tandan buah kelapa sawit secara akurat dan berpotensi
diterapkan pada sistem otomatis berbasis computer vision di bidang pertanian.