Detail Cantuman

Kakao merupakan salah satu komoditas ekspor yang sangat penting bagi Indonesia dalam perdagangan internasional, namun kualitas biji kakao di Indonesia masih kurang baik dibandingkan dengan negara produsen kakao lainnya. Biji kakao yang akan diekspor harus memenuhi standar mutu biji kakao, dan untuk mempermudah proses pemeriksaan, maka dibutuhkan sebuah sistem untuk mengklasifikasi kualitas biji kakao. Penggunaan metode CNN merupakan solusi yang tepat untuk permasalahan tersebut, dimana CNN sering dimanfaatkan dalam menangani permasalahan klasifikasi citra. Salah satu arsitektur CNN yaitu Inception Resnet-V2 dan Inception-V4 yang merupakan arsitektur dari keluarga Inception. Inception Resnet-V2 merupakan kombinasi dari arsitektur ResNet dan Inception, penggunaan kombinasi antara blok Inception dan struktur ResNet dapat meningkatkan kinerja arsitektur. Sedangkan Inception-V4 merupakan arsitektur Inception terbaru yang memiliki performa yang lebih baik dibandingkan pendahulunya, dimana Inception-V4 berhasil mengurangi kompleksitas arsitektur dan membuat model lebih mudah diimplementasikan dan mengurangi beban komputasi. Sehingga disini penulis ingin melakukan penelitian menggunakan dua arsitektur yang berbeda, yaitu Inception Resnet-V2 dan Inception-V4, dan mengevaluasi hasil dari model yang didapatkan untuk mendapatkan performa yang paling baik dalam mengklasifikasi kualitas biji kakao. Pada penelitian yang sudah dilakukan didapatkan model dengan performa terbaik diperoleh pada arsitektur Inception Resnet-V2 dengan optimizer RMSprop, batch size 16 dan learning rate 0,0001 dengan kinerja arsitektur yang didapatkan yaitu nilai accuracy 91,87%, precision 92,00%, recall 92,00%, f1-score 92,00% dan ROC AUC Score 0,950.