IMPLEMENTASI DEEP LEARNING MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK UNTUK KLASIFIKASI CITRA JERUK
Abstract
Pemilihan jeruk berdasarkan kualitas sangatlah diperlukan guna meningkatkan penjualan
dan persaingan pasar. Pada umumnya, proses pemilihan jeruk masih menggunakan cara
manual. Cara tersebut dilakukan dengan melakukan pengamatan secara langsung terhadap
buah jeruk, hal tersebut dirasa kurang efektif karena memerlukan waktu yang relatif lama dan
memberikan hasil keakuratan yang berbeda-beda. Perbedaan tersebut dikarenakan bedanya
persepsi yang dimiliki setiap orang. Seiring berkembangnya teknologi dan ilmu pengetahuan
saat ini, memungkinkan bagi manusia untuk melakukan klasifikasi suatu objek dengan
menggunakan teknologi berdasarkan karakteristik berdasarkan citra.
Penelitian ini bertujuan untuk mengklasifikasikan buah jeruk siam/keprok berdasarkan
citra dengan menggunakan metode Convolutional Neural Network (CNN). Citra jeruk
tersebut akan dibagi ke dalam lima kelas yaitu: jeruk layak grade 1, jeruk layak grade 2,
jeruk belum matang, jeruk busuk, dan jeruk rusak. Proses pengklasifikasian tersebut
menggunakan package Keras yang terdapat pada software Rstudio. Penelitian ini
menggunakan data sebanyak 1000 citra yang dikumpulkan menggunakan kamera
smartphone.
Setiap kelas memiliki jumlah citra sebanyak 200 yang dibagi ke dalam bentuk 60% data
training, 20% data validation, dan 20% data testing. K-Fold cross-validation akan digunakan
untuk mengevaluasi kinerja model yang telah terbentuk. Jumlah neuron digunakan pada
hidden layer sebanyak 256 neuron dan menggunakan dua fungsi aktivasi yaitu ReLU dan
Tanh untuk membandingkan hasil akurasi klasifikasi jeruk dengan menggunakan softmax
classifier. Hasil akurasi yang diperoleh adalah 96% untuk fungsi aktivasi ReLU yang
menunjukkan lebih baik daripada fungsi aktivasi Tanh yang menghasilkan akurasi 93,8%.
Hal tersebut menunjukkan bahwa penggunaan metode Convolutional Neural Network telah
mampu melakukan klasifikasi maupun pengidentifikasian kelayakan buah jeruk.
Collections
- Informatics Engineering [2148]