Analisis Performa Inceptionv3 Convolutional Network Pada Klasifikasi Varietas Daun Grapevine

Abstract

Daun Grapevine digunakan dalam berbagai masakan tradisional di seluruh dunia. Mengenali berbagai jenis daun Grapevine menjadi semakin penting karena harga dan rasanya bervariasi. Akan tetapi, identifikasi jenis daun ini secara manual akan sulit dan membutuhkan waktu yang lama. Sehingga, beberapa penelitian tentang klasifikasi daun ini dilakukan dengan memanfaatkan metode machine learning. Penelitian ini bertujuan untuk mengklasifikasikan 5 jenis daun Grapevine menggunakan arsitektur InceptionV3 yang merupakan salah satu arsitektur Convolutional Neural Network (CNN). Dataset yang digunakan adalah dataset publik yang terdiri dari 500 gambar, dimana untuk masing-masing kelas terdiri dari 100 gambar yaitu Ak (100), Ala Idris (100), Buzgulu (100), Dimnit (100), Nazli (100). Tahapan pertama dari penelitian ini dengan cara membagi dataset menjadi data training dan data testing. Prosentase data training sebesar 80% (400 gambar) dan data testing 20% (100 gambar). Tahapan selanjutnya dengan melakukan preprocessing gambar, dimulai dengan augmentasi gambar kemudian merubah ukuran gambar menjadi 300x300 pixel. Hasil dari preprocessing gambar inilah yang digunakan untuk uji coba model. Jika peneliti sebelumnya mengusulkan model berbasis Densenet-30 dan menghasilkan akurasi 98%, peneltian ini dengan menggunakan model InceptionV3 Convolutional Network berhasil mencapai akurasi sebesar 99.5%.