Implementasi Convolutional Neural Network Menggunakan Arsitektur Visual Geometry Group-19 (Vgg-19) untuk Klasifikasi Citra Buah Salak (Studi Kasus : Klasifikasi Citra Buah Salak Asal DI Yogyakarta)
Abstract
Penelitian ini bertujuan untuk mengimplementasikan metode Convolutional
Neural Network (CNN) dengan menggunakan arsitektur Visual Geometry Group-
19 (VGG-19) untuk mengklasifikasikan varian buah salak yang berasal dari DI
Yogyakarta. Enam kelas buah salak yang digunakan pada penelitian ini meliputi
salak Gading busuk, Gading sehat, Madu busuk, Madu sehat, Pondoh busuk, dan
Pondoh sehat. Menggunakan data primer berupa 1.200 citra buah salak, dengan
setiap kelas memiliki representasi sebanyak 200 citra. Data citra dibagi menjadi
tiga subset, yaitu 80% untuk data train, 10% untuk data validasi, dan 10% untuk
data test untuk memastikan generalisasi model. Hasil penelitian ini memperoleh
tingkat akurasi yang signifikan, dengan model mencapai 94,58% akurasi pada
data train, 95,83% pada data validasi, dan 95,83% pada data test. Berdasarkan
penelitian ini menunjukan bahwa model CNN dengan arsitektur VGG-19 terbukti
efektif dalam mengklasifikasikan varian buah salak di Yogyakarta. Tingkat
akurasi yang konsisten pada ketiga subset data menegaskan kemampuan model
dalam mengidentifikasi dengan tepat setiap kelas buah salak. Keberhasilan model
ini dalam mengklasifikasikan varian buah salak dengan tingkat akurasi yang
tinggi memberikan kontribusi positif dalam peningkatan efisiensi dan akurasi
pengelolaan produksi salak di Yogyakarta. Penelitian ini menjadi landasan untuk
pengembangan sistem otomatisasi yang dapat membantu meningkatkan
pengenalan kualitas dan jenis buah salak secara cepat dan akurat dalam industri
perkebunan.
Collections
- Statistics [926]