Implementasi Algoritma Convolutional Neural Network (CNN) Untuk Klasifikasi Daun Dengan Metode Data Mining SEMMA Menggunakan Keras

Abstract

Tumbuhan memiliki variasi dan ciri khasnya masing-masing. Ada tiga bagian utama dalam tumbuhan yaitu daun, akar dan batang. Sebagian besar tanaman memiliki daun yang sangat banyak sehingga mudah untuk didapatkan untuk membedakan tanaman satu dengan lainnya. Namun orang pada umumnya tidak dapat mengidentifikasi tanaman menggunakan daun karena terbatasnya kemampuan otak manusia. Klasifikasi adalah salah satu teknik yang dapat digunakan untuk dapat membedakan antar sebuah objek. Klasifikasi harus menggunakan metode yang tepat agar tercapai hasil akurasi yang maksimal. Dengan algoritma Convolutional Neural Network (CNN) adalah neural network yang banyak digunakan untuk mengklasifikasikan citra gambar. Didukung dengan metode Data Mining SEMMA juga memaksimalkan tahapan dalam membuat sebuah model. Dengan model yang tepat dan menggunakan mekanisme yang tepat akan memperoleh hasil yang maksimal. Dari keempat model yang dibangun menggunakan epoch dan batch size yang berbeda didapatkan hasil accuracy yang bervariasi. Dari penelitian ini menunjukkan hasil tertinggi model yang dibangun dengan mekanisme epoch sebanyak 100 dan batch size sebanyak 30 didapatkan total accuracy sebesar 98% dan loss sebanyak 0,0537. Dari analisis ke empat model yang dibangun ditarik sebuah kesimpulan bahwa epoch dan batch size mempengaruhi besar kecilnya accuracy sebuah model. Dibuktikan juga bahwa metode Data Mining SEMMA dapat mempermudah peneliti dalam proses pembuatan sebuah model yang terstruktur.