FATHAN FANRITA MASAUGI, -
(2024)
DEEP LEARNING MENGGUNAKAN ALGORITMA XCEPTION DAN
AUGMENTASI FLIP PADA KLASIFIKASI KEMATANGAN SAWIT.
KLIK: Kajian Ilmiah Informatika dan Komputer, 6 (4).
pp. 2918-2927.
ISSN 2723-3898
Abstract
Kelapa sawit merupakan salah satu komoditas penting di Indonesia, terlebih Indonesia merupakan negara pengekspor minyak
sawit tertinggi di dunia. Kematangan buah sawit ditandai dengan perubahan warna pada buah dari hitam menjadi warna kuning
kemerahan. Selain itu, buah sawit yang tidak matang berpengaruh negatif dan signifikan terhadap hasil produksi CPO. Proses
pengumpulan data dilakukan dengan mengambil langsung gambar buah sawit pada perkebunan kelapa sawit dan data yang didapatkan
dari Kaggle. Jumlah keseluruhan data yaitu 1000 gambar dan 1000 data hasil augmentasi flip. Algortima Xception merupakan salah
satu algoritma dalam deep learning yang merupakan kepanjangan dari Extreme version of Inception. Kombinasi tersebut kemudian
terbukti memberikan akurasi yang lebih baik dalam melakukan klasifikasi gambar suatu dataset. Optimizer yang digunakan merupakan
optimizer pada tensorflow yaitu Adam (Adaptive Moment Estimation) dengan menggunakan nilai learning rate dan dropout. Citra sawit
matang dan tidak matang dilakukan klasifikasi dengan menggunakan algoritma Xception dengan data augmentasi dan tanpa
augmentasi. Selain itu, dilakukan percobaan dengan mengubah nilai parameter nilai learning rate 0,1, 0,01, 0,001 dan dropout 0,1,
0,01, 0,001. Didapatkan pembagian data (90;10) akurasi terbaik mencapai 95%, Parameter uji yang dilakukan dengan mencobakan
terbukti dapat meningkatkan akurasi jika dibandingkan dengan tanpa menggunakan parameter dan augmentasi flip. Akurasi terbaik
model Xception 95% pada data yang diberi augmentasi dengan learning rate 0,001 dan dropout 0,1.
Actions (login required)
![View Item View Item](/style/images/action_view.png) |
View Item |