IMPLEMENTASI DEEP LEARNING UNTUK KLASIFIKASI RIMPANG DENGAN METODE CONVOLUTIONAL NEURAL NETWORK
Loading...
Date
2024
Journal Title
Journal ISSN
Volume Title
Publisher
Program Studi S1 Informatika
Abstract
Kemiripan visual berbagai jenis rempah seperti jahe, kencur, kunyit, lengkuas, dan temulawak sering kali menyebabkan kesulitan dan keraguan dalam membedakan mereka secara tepat. Untuk mengatasi permasalahan ini, metode Convolutional Neural Network (CNN) dengan arsitektur VGG19 dipilih karena kemampuannya dalam mengidentifikasi dan mengklasifikasikan objek yang memiliki kemiripan visual. Penelitian ini mengimplementasikan arsitektur VGG19, yang terdiri dari 19 lapisan termasuk lapisan konvolusi untuk ekstraksi fitur, lapisan pooling untuk mereduksi dimensi fitur, dan lapisan fully connected untuk klasifikasi. Implementasi VGG19 dalam penelitian ini juga melibatkan augmentasi data yang bertujuan untuk memperluas variasi dataset serta uji coba konfigurasi hyperparameter yang mempengaruhi performa model. Hasil penelitian menunjukkan bahwa dengan penerapan augmentasi data dan optimasi hyperparameter model CNN VGG19 yang dibangun mampu mencapai akurasi klasifikasi sebesar 96.40% yang mana akurasi menunjukkan efektivitas metode ini dalam membedakan jenis-jenis rempah yang memiliki kemiripan visual.