Penulis: Suhirman S, Rianto R, Insap Santosa, Rio Yurianto
Abstrak
Indonesia adalah negara agraris di mana sebagian besar penduduknya bekerja sebagai petani. Sebagai negara agraris, Indonesia menghasilkan pangan pokok, seperti beras, jagung, sagu, dan buah-buahan. Penelitian ini menggunakan Convolutional Neural Network (CNN), salah satu algoritma populer dalam Deep Learning untuk mengklasifikasikan dua varietas buah menggunakan optimizer Stochastic Gradient Descent (SGD). Data yang digunakan dalam penelitian ini adalah data primer yang dikumpulkan menggunakan kamera smartphone. Data tersebut berupa 400 gambar dari dua varietas buah, Mangga, dan Alpukat. Tujuan utama penelitian ini adalah untuk mendapatkan akurasi tertinggi dengan memodifikasi model pengklasifikasi dan tingkat pembelajaran. Modifikasi model, penelitian ini menggunakan sistem ensemble sedangkan pada tingkat pembelajaran menggunakan tingkat pembelajaran terjadwal eksponensial. Hasil penelitian menunjukkan bahwa akurasi sistem ensemble adalah 0,99, laju pembelajaran terjadwal adalah 0,97, sedangkan tanpa modifikasi adalah 0,53. Namun, ketika menggunakan pengoptimal SGD untuk melatih CNN, disarankan untuk menggunakan laju pembelajaran yang telah ditentukan sebelumnya. Periode pelatihan yang lebih singkat dengan akurasi model yang memadai dan kepraktisan mendukung laju pembelajaran terjadwal. © 2023 Taylor’s University. Semua hak dilindungi undang-undang.
Kata kunci penulis
CNN; Ensemble; Laju pembelajaran; SGD
Artikel ini dapat diakses di https://www.scopus.com/pages/publications/85183973721
