TA MEKATRONIKA
Analisis Akurasi Model Convolutional Neural Network pada Sistem Klasifikasi Kematangan dan Ukuran Prototipe Buah Manggis
Industri pertanian, khususnya dalam bidang pemilahan buah, masih menghadapi tantangan dalam mengklasifikasikan buah berdasarkan tingkat kematangan dan ukuran secara efisien. Proses pemilahan yang dilakukan secara manual memiliki keterbatasan dalam hal kecepatan, konsistensi, serta akurasi, yang dapat mempengaruhi kualitas produk yang dihasilkan. Oleh karena itu, diperlukan sebuah sistem berbasis kecerdasan buatan yang mampu mengotomatisasi proses klasifikasi buah dengan tingkat akurasi yang tinggi. Penelitian ini menggunakan metode Image Classification berbasis Machine Learning untuk melakukan klasifikasi kematangan dan ukuran prototipe buah manggis. Model dikembangkan menggunakan Teachable Machine, kemudian dilakukan pengujian untuk mengukur performanya. Selain itu, penelitian ini juga membandingkan performa beberapa model CNN lainnya, yaitu Inception V3, Xception, dan VGG16, guna mengetahui tingkat akurasi dan loss yang diperoleh dari masing-masing model. Hasil pengujian menunjukkan bahwa model yang dihasilkan oleh Teachable Machine memiliki akurasi total 37.42% dan loss 62.58%. Sementara itu, model Xception mencapai akurasi 98.81% dengan loss 0.0395, model Inception V3 memiliki akurasi 97,86% dengan loss 0.0597, dan model VGG16 memperoleh akurasi 95.48% dengan loss 0.1044. Berdasarkan hasil ini, model Xception dapat diidentifikasi sebagai model yang paling optimal dalam klasifikasi kematangan dan ukuran prototipe buah manggis. Kata kunci: Image Classification, Machine Learning, Convolutional Neural Network, Teachable Machine, Inception V3, Xception, VGG16, Klasifikasi Prototipe buah manggis.
No other version available