JOURNAL COMPUTINGJOURNAL COMPUTING

Journal of Information Technology AmperaJournal of Information Technology Ampera

Indonesia memiliki tingkat konsumsi teh tertinggi di dunia, di mana kualitas daun teh sangat bergantung pada lokasi tumbuhnya. Untuk mengidentifikasi jenis teh, sistem otomatisasi dengan pengolahan citra digital digunakan. Penelitian ini membandingkan dua arsitektur model yaitu dengan augmentasi data dan tanpa augmentasi dalam mengklasifikasikan daun teh klon seri GMB 1-5. Hasil penelitian menunjukkan bahwa model CNN tanpa augmentasi memberikan akurasi yang lebih tinggi dibandingkan dengan yang menerapkan augmentasi. Secara spesifik, model Xception tanpa augmentasi mencapai akurasi 98%, sedangkan VGG16 tanpa augmentasi mencapai 95%. Sebaliknya, model dengan augmentasi memperoleh akurasi 92% untuk Xception dan 94% untuk VGG16. Temuan ini menunjukkan bahwa, dalam konteks dataset terbatas, model tanpa augmentasi cenderung lebih akurat karena menghindari overfitting yang sering terjadi pada dataset kecil.

Penelitian ini menunjukkan bahwa dalam klasifikasi daun teh klon seri GMB menggunakan arsitektur CNN VGG16 dan Xception, model tanpa augmentasi data secara umum memberikan performa yang lebih baik dibandingkan dengan model yang menerapkan augmentasi data.Hasil uji coba menunjukkan bahwa model Xception tanpa augmentasi mencapai akurasi tertinggi sebesar 98%, diikuti oleh VGG16 tanpa augmentasi dengan akurasi 95%.Sebaliknya, model dengan augmentasi data, baik VGG16 maupun Xception, menunjukkan akurasi yang lebih rendah, yaitu 94% dan 92% secara berturut-turut.

Penelitian lanjutan dapat mengkaji efektivitas teknik augmentasi data pada dataset yang lebih besar untuk membandingkan kinerja model. Selain itu, penelitian dapat menguji arsitektur CNN lain seperti ResNet atau Inception untuk mengoptimalkan akurasi klasifikasi. Selanjutnya, pengembangan model ini dapat diterapkan pada pengklasifikasian produk pertanian lainnya, seperti buah atau tanaman obat, untuk mengevaluasi kegunaannya secara luas.

  1. Pemetaan Profil Mahasiswa Untuk Peningkatan Strategi Promosi Perguruan Tinggi Menggunakan Predictive... doi.org/10.30864/eksplora.v10i2.505Pemetaan Profil Mahasiswa Untuk Peningkatan Strategi Promosi Perguruan Tinggi Menggunakan Predictive doi 10 30864 eksplora v10i2 505
  2. Jurnal RESTI (Rekayasa Sistem dan Teknologi Informas)i. optimasi akurasi metode neural network identifikasi... jurnal.iaii.or.id/index.php/RESTI/article/view/2754Jurnal RESTI Rekayasa Sistem dan Teknologi Informas i optimasi akurasi metode neural network identifikasi jurnal iaii index php RESTI article view 2754
Read online
File size845.18 KB
Pages17
DMCAReport

Related /

ads-block-test