Klasifikasi Citra Klon Teh Seri GMB Menggunakan Convolu-tional Neural Network (CNN) dengan Arsitektur Resnet, Vggnet, dan Alexnet

Abstract

Produktivitas daun teh di Indonesia dari waktu ke waktu semakin menurun. Hal ini disebabkan oleh ketidakcocokan dalam memilih klon teh seri GMB yang digunakan. Klon teh seri GMB terdiri dari GMB 1 sampai dengan GMB 11. Keterbatasan karyawan Pusat Penelitian Teh dan Kina (PPTK) dan para petani teh dalam mengklasifikasi klon teh seri GMB untuk membedakan jenis antar klon yang secara morfologi memiliki tingkat kemiripan yang begitu dekat menjadi alasan kurang optimal dalam memilih klon teh seri GMB yang cocok untuk digunakan. Pada penelitian ini, dirancang suatu sistem secara visual yang mampu mengklasifikasi jenis klon teh yang terdiri dari 11 kelas yaitu GMB 1-11 dengan pengolahan citra digital. Citra data diambil menggunakan kamera handphone, kemudian dilakukan pre-processing resize dan augmentasi. Convolutional Neural Network (CNN) menjadi suatu metode pelatihan dalam mengenali objek melalui sistem yang ditunjang oleh arsitektur ResNet, VGGNet, dan AlexNet dengan keunggulan tingkat akurasi yang baik karena kemampuannya dalam menyederhanakan citra melalui banyak layer. Sistem mampu mengklasifikasikan citra klon teh seri GMB 1 sampai dengan GMB 11. Skenario pengujian yang digunakan adalah menggunakan jumlah dataset 1100 yang menjadi data asli dan 2860 yang menjadi data hasil pre- processing augmentasi. Pengujian terbaik menggunakan data hasil augmentasi sebanyak 2640 data latih dan 220 data uji. Parameter sistem terbaik didapatkan akurasi pada ResNet 97.80%, VGGNet 95.45% dan AlexNet 98.18%.