Implementasi Arsitektur Inception Resnet-V2 untuk Klasifikasi Kualitas Biji Kakao

Penulis

  • Eveline Gabriela Winarto Universitas Hasanuddin
  • Rahmayati Rahmayati Universitas Hasanuddin
  • Armin Lawi Universitas Hasanuddin

Kata Kunci:

Biji Kakao, Deep Learning, Convolutional Neural Network (CNN), Inception Resnet-V2

Abstrak

Kakao merupakan komoditas yang sangat penting bagi Indonesia sebagai salah satu negara eksportir utama dalam perdagangan internasional. Biji kakao sangat rentan terserang penyakit, sehingga pengenalan penyakit pada biji kakao diperlukan sebelum diekspor. Dari permasalahan tersebut, dilakukan penelitian untuk mengklasifikasikan kualitas biji kakao menggunakan salah satu arsitektur Convolutional Neural Network (CNN), yaitu Inception Resnet-V2. Dataset yang digunakan yaitu Cocoa Beans Images Dataset dengan jumlah 614 file serta memiliki 6 kelas, yaitu whole beans, bean fraction cocoa, fermented cocoa, broken beans cocoa, unfermented cocoa, dan moldy cocoa. Dari hasil pengujian dengan menggunakan 100 epoch didapatkan akurasi sebesar 89%, dan ROC sebesar 97%.

Unduhan

Diterbitkan

2021-08-09

Cara Mengutip

Gabriela Winarto, E., Rahmayati, R., & Lawi, A. (2021). Implementasi Arsitektur Inception Resnet-V2 untuk Klasifikasi Kualitas Biji Kakao. Proceeding KONIK (Konferensi Nasional Ilmu Komputer), 5(1), 132–137. Diambil dari https://prosiding.konik.id/index.php/konik/article/view/38

Artikel paling banyak dibaca berdasarkan penulis yang sama