Identifikasi Buah-buahan Menggunakan Metode Convolutional Neural Network

Verrell Gunawan, Kartika Gunadi, Endang Setyati

Abstract


Buah-buahan memiliki jenis yang cukup banyak sehingga
terkadang sulit untuk dibedakan oleh manusia. Dengan
perkembangan teknologi yang pesat terutama dalam bidang
artificial neural network, maka dikembangkanlah sebuah program
untuk melakukan identifikasi buah-buahan dari gambar dengan
bantuan Tensorflow dalam membuat sebuah model artificial
neural network.
Metode yang digunakan adalah convolutional neural network
untuk melakukan training pada model. Terdapat 4 proses utama
dalam convolutional neural network yaitu convolution layer,
activation layer, pooling layer, dan fully connected layer. Dalam
pembuatan model convolutional neural network dapat dilakukan
tuning dalam berbagai macam hal, beberapa diantaranya yaitu
jumlah epoch, activation function yang digunakan, dan juga
ukuran learning rate.
Penelitian ini menunjukkan bahwa jumlah epoch mempengaruhi
akurasi pada model yang dibuat. Dalam hal activation function,
ditunjukkan bahwa rectified linear unit (RELU) lebih baik dalam
hal waktu yang dibutuhkan dalam membuat neural network model
yang paling optimal dibandingkan dengan exponential linear unit
(ELU). Besar kecilnya learning rate juga mempengaruhi seberapa
baik model yang dihasilkan. Dari berbagai pengujian yang
dilakukan didapatkan akurasi terbaik yang dapat dicapai sebesar
99,31%.


Keywords


Artificial neural network; Tensorflow; convolutional neural network; rectified linear unit; exponential linear unit

Full Text:

PDF

References


Dertat, Arden. 2017. 8 November 2017. Applied Deep

Learning Part - 4 : Convolutional Neural Network. URI =

https://towardsdatascience.com/applied-deep-learning-part-4-

convolutional-neural-networks-584bc134c1e2

Gonzales, Juan. 2017. 20 November 2017. Use Of

Convolutional Neural Network For Image Classification.

URI = https://www.apsl.net/blog/2017/11/20/useconvolutional-

neural-network-image-classification/

Hou, Lei , Wu, QingXiang , et.al. 2016. Fruit Recognition

Based On Convolutional Neural Network. International

Conference on Natural Computation, Fuzzy Systems and

Knowledge Discovery.

Muresan, Horea , Oltean, Mihai. 2017. Fruit Recognition

Using Deep Learning. Faculty of Computer Science.

Python. Python, Programming Language. URI =

https://www.python.org

Shah, Anish , Shinde, Sameer , et.al. 2016. Deep Residual

Networks with Exponential Linear Unit.

Singh, Vaibhaw. 2017. 18 September 2017. Selective Search

for Object Detection. URI =

https://www.google.co.id/amp/s/www.learnopencv.com/selec

tive-search-for-object-detection-cpp-python/amp/

TensorFlow. TensorFlow, Open Source Machine Learning.

URI = https://www.tensorflow.org


Refbacks

  • There are currently no refbacks.


Jurnal telah terindeks oleh :