Klasifikasi Jenis Buah dengan Menggunakan Metode MobileNetv2 dan Inceptionv3
Main Article Content
Abstract
Buah merupakan salah satu komoditas pangan yang penting bagi masyarakat. Buah memiliki banyak jenis yang tidak semua orang dapat mengenalinya dengan baik. Paper ini bertujuan untuk menguji metode Convolutional Neural Network (CNN) yaitu MobileNetv2 dan Inceptionv3 untuk mengenali jenis buah. Paper ini menggunakan dataset citra buah sebanyak 288 dari 9 kelas yaitu apel, pisang, ceri, sawo anggur, kiwi, mangga, jeruk, dan strawberry. Eksperimen dijalankan menggunakan data latih sebanyak 80% dan data uji 20%. Performa algoritma diuji menggunkan nilai precision, recall, akurasi, f1-score, dan confusion matriks. Hasil eksperimen menunjukkan bahwa metode MobileNetV2 memperoleh nilai precision, recall, akurasi, dan f1-score masing – masing sebesar 98%, 97%, 97%, dan 97%. Metode Inceptionv3 memperoleh nilai precision, recall, akurasi, dan f1-score masing – masing sebesar 94%, 94%, 94%, dan 94%. Berdasarkan metric evaluasi, kinerja metode MobileNetV2 mengungguli Inceptionv3.
Downloads
Article Details
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Jurnal Eksplora Informatika bersifat open access, yaitu dapat diakses secara umum tanpa dikenakan biaya. Penulis yang menerbitkan artikelnya di Jurnal Eksplora Informatika setuju dengan ketentuan berikut:
- Penulis memegang hak cipta dan memberikan hak publikasi pertama kepada Jurnal Eksplora Informatika menggunakan lisensi Creative Commons Attribution-ShareAlike 4.0.
- Penulis diizinkan untuk mengarsipkan/menggunggah/meyimpan artikel mereka, misalnya dalam repositori institusional atau situs web/blog penulis, namun diharapkan agar memberikan rincian bibliografi yang menghargai publikasi di jurnal ini.
- Jurnal Eksplora Informatika berhak untuk menyediakan artikel dalam berbagai bentuk dan media, sehingga artikel dapat digunakan untuk teknologi terbaru bahkan setelah dipublikasikan.
- Jurnal Eksplora Informatika berhak untuk menegakkan hak-hak atas nama penulis pada artikel terhadap pihak ketiga. Misalnya dalam kasus plagiarisme atau pelanggaran hak cipta.
References
A. Roihan, P. A. Sunarya, and A. S. Rafika, “Pemanfaatan Machine Learning dalam Berbagai Bidang: Review paper,” IJCIT (Indonesian Journal on Computer and Information Technology), vol. 5, no. 1, May 2020, doi: 10.31294/ijcit.v5i1.7951.
S. A. Amania, S. Mulyono, and S. F. C. Haviana, “Klasifikasi Jenis Jerawat Wajah Menggunakan Arsitektur InceptionV3,” Jurnal Ilmiah Suttan Agung, vol. 2, no. 2, pp. 738–752, 2023.
N. Huda, A. Mahiruna, W. Sulistijanti, and R. C. N. Santi, “ANALISIS PERFORMA INCEPTIONV3 CONVOLUTIONAL NETWORK PADA KLASIFIKASI VARIETAS DAUN GRAPEVINE,” Jurnal Sains Komputer dan Teknologi Informasi, vol. 5, no. 2, pp. 47–53, Jun. 2023, doi: 10.33084/jsakti.v5i2.5022.
O. H. Yulianto and S. Wibisono, “Klasifikasi Jenis Jamur Menggunakan Metode Neural Network Dengan Fitur InceptionV3,” Jurnal Elektronika dan Komputer, vol. 16, no. 2, pp. 262–269, 2023.
U. UNGKAWA and G. AL HAKIM, “Klasifikasi Warna pada Kematangan Buah Kopi Kuning menggunakan Metode CNN Inception V3,” ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika, vol. 11, no. 3, p. 731, Jul. 2023, doi: 10.26760/elkomika.v11i3.731.
T. Handhayani, A. H. Pawening, and J. Hendryli, “An Automatic Recognition System for Digital Collections of Indonesian Traditional Houses Using Convolutional Neural Networks for Cultural Heritage Preservation,” Int J Comput Intell Appl, vol. 22, no. 02, Jun. 2023, doi: 10.1142/S1469026823500037.
T. Handhayani and J. Hendryli, “Leboh: An Android Mobile Application for Waste Classification Using TensorFlow Lite,” in Intelligent Systems and Applications, Amsterdam: Springer, 2023, pp. 53–67. doi: 10.1007/978-3-031-16075-2_4.
A. E. Putra, M. F. Naufal, and V. R. Prasetyo, “Klasifikasi Jenis Rempah Menggunakan Convolutional Neural Network dan Transfer Learning,” Jurnal Edukasi dan Penelitian Informatika (JEPIN), vol. 9, no. 1, p. 12, Apr. 2023, doi: 10.26418/jp.v9i1.58186.
O. V. Putra, M. Z. Mustaqim, and D. Muriatmoko, “Transfer Learning untuk Klasifikasi Penyakit dan Hama Padi Menggunakan MobileNetV2,” Techno.Com, vol. 22, no. 3, pp. 562–575, Aug. 2023, doi: 10.33633/tc.v22i3.8516.
C. Szegedy, V. Vanhoucke, S. Ioffe, J. Shlens, and Z. Wojna, “Rethinking the Inception Architecture for Computer Vision,” in 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), IEEE, Jun. 2016, pp. 2818–2826. doi: 10.1109/CVPR.2016.308.
T. Handhayani, A. H. Pawening, and J. Hendryli, “Leboh 2: An Android Application for Solid Waste Detection ,” IAENG Int J Comput Sci, vol. 50, no. 4, pp. 1–9, Dec. 2023.
