Taksasi Buah Kakao Theobroma Cacao Berbasis Deep Learning Menggunakan Metode Convolutional Neural Network CNN

Abstract

Estimasi hasil produksi kakao dilakukan untuk memfasilitasi pemanfaatan sumber daya yang efisien. Kegiatan estimasi melalui pemantauan lapang dengan tenaga manusia memiliki kendala dalam hal akurasi data. Sifat manusia yang subjektif dan memiliki titik jenuh mengakibatkan resiko kecacatan data akibat human error. Dalam hal ini, teknologi yang banyak diterapkan dalam kehidupan manusia dapat dikembangkan untuk menjadi solusi dari kendala yang terjadi dalam produksi kakao. Salah satu yang utama dalam penelitian ini adalah pengembangan teknologi untuk estimasi atau taksasi buah secara digital menggunakan metode klasifikasi deep learning. Teknologi taksasi menggunakan deep learning dirancang dengan bantuan metode Convolutional Neural Network (CNN) yang termasuk dalam jenis Deep Neural Network. CNN digunakan untuk mengolah citra dua dimensi dari suatu objek tiga dimensi. Metode sistem deteksi objek yang digunakan adalah Faster R-CNN dengan model deteksi Inception V2. Konsep dasar dari deep learning adalah menggunakan jaringan saraf untuk analisis data dan fitur pembelajaran, fitur data diekstrasi oleh beberapa lapisan tersembunyi, setiap lapisan tersembunyi dianggap sebagai perceptron. Dalam hal ini digunakan bantuan metode Convolutional Neural Network (CNN) yang termasuk dalam jenis Deep Neural Network dengan metode konfigurasi model Inception V2. Tahapan penelitian ini antara lain studi literatur, akuisisi data, preprocessing dengan me-resize gambar, pembagian data citra, proses anotasi, konversi data, training data, testing data, dan proses analisis data menggunakan confusion matrix.