Detail Cantuman

Teknologi pada zaman sekarang semakin berkembang dengan pesat dalam berbagai bidang. Manfaat dari perkembangan teknologi ini tentu saja dapat membantu pekerjaan manusia di berbagai bidang. Misalkan dalam bidang perkebunan, pengembangan untuk kualitas pada buah-buahan bahkan sampai pada bidang pendidikan. Salah satunya adalah pengidentifikasian jenis buah-buahan dibutuhkan agar masyarakat umum khususnya anakanak dapat membedakan jenis buah-buahan dengan cara melihat bentuk daun, sehingga dapat bermanfaat untuk menambah wawasan mengenai buah-buahan. Untuk orang awam pasti cukup sulit dalam mengetahui jenis buah apa dari daun tersebut. Oleh karena itu penelitian ini mengusulkan algoritma Convolution Neural Network dengan membandingkan arsitektur EfficientNet-B3 dan MobileNet-V2 dengan cara mengatur beberapa parameter pada setiap model untuk mendapatkan nilai akurasi terbaik dalam mendeteksi jenis buah-buahan menggunakan fitur daun. EfficientNet-B3 dan MobileNet-V2 merupakan model Pre-trained dari CNN yang telaj dilatih pada suatu dataset yang cukup besar yaitu ImageNet. Hasil yang dihasilkan dari penelitian ini dengan menerapkan beberapa parameter seperti penggunaan epoch, optimizer Adam, optimizer Adamax, optimizer sgd, bathsize. Dengan menerapkan model EfficientNetB3 dengan parameter epoch, optimizer, batch size, dan jumlah loss didapatkan bahwa akurasi tertinggi adalah 38% dengan jumlah epoch 50, optimizer yang digunakan SGD, jumlah batch size 64 dan jumlah loss adalah 1,467. Sedangkan dengan menerapkan model MobileNetV2 didapatkan bahwa akurasi tertinggi adalah 99% dengan jumlah epoch 50, optimizer yang digunakan Adam, jumlah batch size 64 dan jumlah loss adalah 0,027.