KLASIFIKASI JENIS CITRA DAUN MANGGA MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK
Fakultas Teknologi Inudstri Universitas Gunadarma
Indonesia
Fakultas Teknologi Inudstri Universitas Gunadarma
Indonesia
Abstract
Jenis mangga dapat ditentukan berdasarkan karakteristik daun seperti bentuk, tekstur, dan warna dari daun tersebut. Tujuan penelitian ini adalah mengklasifikasikan citra daun mangga menggunakan model Convolutional Neura Network (CNN). Dataset citra daun yang digunakan pada penelitian ini terdiri dari 3 jenis mangga sebanyak 1761 citra yaitu mangga golek, mangga harum manis, dan mangga manalagi. Rasio pembagian data yang digunakan adalah 9:1, dengan 90% untuk data pelatihan dan 10% untuk data validasi. Arsitektur model CNN yang digunakan pada penelitian ini terdiri dari 4 lapisan konvolusi yang diikuti dengan maxpooling pada setiap lapisan konvolusinya. Pelatihan dilakukan sebanyak 60 epochs karena memiliki nilai akurasi yang paling baik. Nilai akurasi model pada tahap pelatihan mencapai 97,72% atau dapat mengidentifikasi 1549 citra daun mangga dengan benar dari total 1585 citra yang ada. Nilai akurasi model pada tahap validasi mencapai nilai 89,20% atau dapat mengidentifikasi 157 citra daun mangga dengan benar dari total 176 citra yang ada.
Keywords
References
C. U. Aguoru, P. Ajah, dan J. O. Olasan, “Taxonomic investigation of four varieties of mangifera using micro-anatomical features,” Inter-national Research Journal of Natural Sciences, vol. 4, no. 1, hal. 20 – 27, 2016.
A. Ganocpichayagrai, K. Rungsihirunrat, C. Palanuvej, dan N. Ruangrungsi, “Characterization of mangifera indica cultivars in Thailand based on macroscopic, microscopic and genetic characters,” Journal of Advanced Pharmaceutical Technology & Research, vol. 7, no. 4, hal. 127 – 133, 2016.
H. N. N. Fatihah, M. Nashriyah, A. R. N. Zaimah, M. Khairil, dan A. M. Ali, “Leaf morphology and anatomy of 7 varieties of ficus deltoidea (moraceae),” Turkish Journal of Botany, vol. 38, no. 4, hal. 677 – 685, 2014.
T. Nurhikmat, “Implementasi deep learning untuk image classification menggunakan algoritma Convolutional Neural Network (CNN) pada citra wayang golek,” Skripsi, Universitas Islam Indonesia, Yogyakarta, 2018.
N. Sabri, A. Aziz, Z. Ibrahim, M.A.R.B.N. Rosni, dan A. Ghapul, “Comparing convolution neural network models for leaf recognition,” International Journal of Engineering & Technology, vol. 7, no. 3, hal. 141 – 144, 2018.
W. S. Jeon dan S.Y. Rhee, “Plant leaf recognition using a convolution neural network,” International Journal of Fuzzy Logic and Intelligent Systems, vol. 17, no. 1, hal. 26 – 34, 2017.
C. Wickdan Puppe, “Leaf identification using a deep convolutional neural network,” arXiv, 1712.00967, 2017.
M. Ramprasath, V. Anand, dan S. Hariharan, “Image classification using convolutional neural networks,” International Journal of Pure and Applied Mathematics, vol. 119, no. 17, hal. 1307 – 1319, 2018.
C. Zhang, Zhou, C. Li,dan L. Liu, “A convolutional neural network for leaves recognition using data augmentation,” IEEE International Conference on Computer and Information Technology, Ubiquitous Computing and Communications; Dependable, Autonomic and Secure Computing; Pervasive Intelligence and Computing, 2015, hal. 2143 – 2150.
S. Mallick danS. Nayak, “Number of parameters and tensor sizes in a Convolutional Neural Network (CNN),”learnopencv.com, Mei 2018. [Daring]. Tersedia: https://learnopencv.com/number-of-parameters-and-tensor-sizes-in-convolutional-neural-network/. [Diakses: 12 Juni 2020].
