Identifikasi Buah-buahan Menggunakan Metode Convolutional Neural Network
Keywords:
beauty vlogger, brand image, purchase intetion.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%.
References
[1] 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
[2] 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/
[3] Hou, Lei , Wu, QingXiang , et.al. 2016. Fruit Recognition
Based On Convolutional Neural Network. International
Conference on Natural Computation, Fuzzy Systems and
Knowledge Discovery.
[4] Muresan, Horea , Oltean, Mihai. 2017. Fruit Recognition
Using Deep Learning. Faculty of Computer Science.
[5] Python. Python, Programming Language. URI =
[6] Shah, Anish , Shinde, Sameer , et.al. 2016. Deep Residual
Networks with Exponential Linear Unit.
[7] 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/
[8] TensorFlow. TensorFlow, Open Source Machine Learning.
