Implementasi Deep Learning Untuk Image Classification Menggunakan Algoritma Convolutional Neural Network (CNN) Pada Citra Kebun Dan Sawah (Studi Kasus : Klasifikasi Gambar Pada Citra Sawah dan Kebun)

Abstract

Indonesia merupakan salah satu negara agraris dengan berbagai macam kekayaan alam seperti pertanian dan perkebunan. Pertanian dan perkebunan di Indonesia sangat beraneka ragam, seperti sawah yang dapat menghasilkan padi, kedelai, jagung, umbi-umbian, dan lain-lainnya. Sedangkan, perkebunan di Indonesia seperti kebun dengan hasil berupa kopi, teh, lada, kelapa sawit, pala, dan lain-lain. sawah yang merupakan contoh pertanian dan perkebunan yang merupakan contoh kebun memiliki karakteristik yang sama sehingga sulit untuk dibedakan oleh masyarakat atau orang awam apabila dilihat dengan menggunakan foto udara atau foto yang diambil dari ketinggian tertentu serta membantu pemerintah dalam melihat ketahanan pangan yang ada di Indonesia. Salah satu cara untuk membentuk model yaitu dengan memanfaatkan ilmu komputasi yang salah satu tujuannya adalah untuk mengambil informasi dari citra digital untuk mengenal obyek secara otomatis. Salah satu metode deep learning yang sedang berkembang saat ini yaitu Convolutional Neural Network (CNN). Metode CNN merupakan metode yang masukkan (input data) berupa citra. Metode ini memiliki lapisan khusus yang bernama lapisan konvulusi dimana pada lapisan sebuah citra masukkan (input citra) akan menghasilkan sebuah pola dari beberapa bagian citra yang nantinya akan lebih mudah untuk diklasifikasikan. Lapisan konvolusi memiliki fungsi pembelajaran citra menjadi lebih efisien untuk diimplementasikan. Oleh karena itu peneliti ingin memanfaatkan metode CNN ini untuk dapat mengklasifikasi kebun dan sawah, dengan tujuan untuk membedakan karakteristik kebun dan sawah. Berdasarkan hasil klasifikasi diperoleh hasil akurasi testing sebesar 75%. Dapat disimpulkan bahwa metode CNN dapat mengklasifikasikan citra kebun dan sawah dengan baik.