Klasifikasi Jenis Beras Putih Menggunakan Arsitektur MobileNetV3-Small

Abstract

Beras, sebagai salah satu pangan pokok global, memiliki peran penting dalam hidangan di seluruh dunia. Namun, pemilihan jenis beras yang tepat untuk mencapai hasil hidangan yang diinginkan seringkali memerlukan klasifikasi manual yang rentan terhadap ketidak konsistenan dan memakan waktu. Dalam penelitian ini, kami bertujuan untuk mengatasi masalah tersebut dengan mengimplementasikan Convolutional Neural Network (CNN) dengan model MobileNetV3-Small untuk mengklasifikasikan berbagai jenis beras putih. Kami menguji jenis-jenis beras seperti Arborio, Basmati, Ipsala, Jasmine, dan Karacadag. Penelitian ini menggunakan transfer learning untuk membuat model MobileNetV3Small yang dapat disesuaikan dengan kebutuhan pengguna. Model dilatih dengan lima kelas data dalam tiga skenario pembagian data yang berbeda. Hasilnya menunjukkan bahwa performa terbaik dari arsitektur MobileNetV3Small terjadi saat pembagian data dengan rasio (90:10), 90% untuk data pelatihan dan 10% untuk data validasi. Pengujian dilakukan pada citra beras dengan fokus pada klasifikasi. Secara keseluruhan, hasil pengujian menunjukkan bahwa penerapan arsitektur MobileNetV3Small memberikan hasil yang memuaskan, dengan tingkat akurasi mencapai 99% dan bahkan mencapai 100% dalam beberapa skenario tertentu. Selain itu, MobileNetV3Small juga memiliki kecepatan deteksi yang lebih cepat dibandingkan dengan arsitektur lainnya.