Implementasi Deep Learning Menggunakan Algoritma Convolutional Neural Network (CNN) untuk Image Classification Varietas Tanaman Tembakau

Abstract

Tanaman tembakau (Nicotiana tobacum L.) merupakan salah satu komoditas perkebunan potensial di Indonesia. Tembakau memberikan dampak yang signifikan terhadap pendapatan nasional dan daerah. Teknologi Deep Learning merupakan suatu cabang ilmu machine learning berbasis Jaringan Saraf Tiruan (JST) atau bisa dikatakan sebagai perkembangan dari Jaringan Syaraf Tiruan. Teknologi yang digunakan dalam penelitian ini adalah teknologi deep learning untuk image classification terutama convolutional neural networks (CNN) Tujuan pada penelitian ini adalah mengetahui bagaimana arsitektur dan hasil modifikasi algoritma Convolutional Neural Networks (CNN) untuk image classification varietas tembakau Na-Oogst dan Voor-Oogst. Metode yang digunakan adalah modifikasi CNN dengan perbedaan nilai epoch pada setiap data training. Modifikasi model CNN pada penelitian ini menggunakan input shape berukuran 128x128. Tahap future learning terdiri dari layers konvolusi sebanyak tiga kali, ukuran filter 3x3, layers pooling sebanyak tiga kali, ukuran filter 2x2. Tahap classification terdiri dari flatten, full connected dan aktivasi sigmoid. Data training 700 dan data testing 300. parameter yang dihasilkan sebesar 2.153.153 neuron pada model training. Hasil didapatkan accuracy training yang cukup tinggi yakni mencapai 100 % dan accuracy validation mencapai 95%. Jika dilihat dari gambar dapat disimpulkan bahwa semakin menuju nilai 75 epoch yang digunkan maka akurasi dari hasil testing semakin tinggi. Tetapi ketika ditambahkan epoch hingga 100 nilai accuracy validation akan mengalami penurunan. Ini dapat disebabkkan oleh jumlah epoch yang terlalu banyak bisa juga dipengaruhi oleh banyaknya dataset. Selain itu, tidak ada penelitian yang mampu mengklaim rentang epoch terbaik pada proses pembelajaran.