Dalam era digital saat ini, kebutuhan akan sistem otomatis yang dapat
meningkatkan efisiensi dan akurasi proses industri menjadi semakin penting,
terutama dalam penilaian kualitas bahan baku seperti tebu. PT SGN PG
JATIROTO menghadapi tantangan dalam menilai kualitas tebu secara manual,
yang sering kali kurang akurat dan mempengaruhi produktivitas. Penelitian ini
bertujuan merancang aplikasi full-stack untuk prediksi kualitas tebu berbasis deep
learning dengan integrasi kendali CCTV menggunakan metode iterative
incremental. Sistem ini memungkinkan pemantauan kualitas tebu secara Real-
time melalui IoT Camera CCTV, yang terhubung dengan model deep learning
untuk menghasilkan prediksi otomatis. Implementasi back-end dan MySQL.
Pengembangan dilakukan melalui dua fase Iterative Incremental, yang
memastikan sistem dapat beradaptasi dengan kebutuhan operasional di lapangan.
Hasil penelitian menunjukkan bahwa sistem yang dikembangkan mampu
meningkatkan akurasi penilaian kualitas tebu, mempercepat proses pengambilan
keputusan, dan mengurangi terjainya kesalahan dalam penentuan bahan baku.
Pengujian API menunjukkan waktu respons rata-rata sebesar 318 milidetik dan
tingkat error 0%, menandakan bahwa sistem siap digunakan dalam skala produksi.
Penelitian ini diharapkan memberikan kontribusi dalam modernisasi industri gula
di Indonesia melalui solusi teknologi yang efisien dan berbasis kecerdasan buatan.
Selain itu, hasil load testing pada perangkat GPU menunjukkan konsumsi
penggunaan sebesar 57% dengan pemakaian VRAM 3,3 GB dari total 4 GB,
menegaskan bahwa sistem ini dapat berjalan dengan stabil pada perangkat keras
dengan spesifikasi standar tanpa memerlukan investasi infrastruktur yang besar.