IMPLEMENTASI CONVOLUTIONAL NEURAL NETWORK UNTUK KLASIFIKASI CITRA TIGA JENIS BERAS
DOI:
https://doi.org/10.54314/jssr.v8i3.4173Abstract
Abstract: This study aims to develop an image classification model based on Convolutional Neural Network (CNN) to identify five rice varieties: Basmati, Ipsala, Arborio, Jasmine, and Karacadag. The dataset used consists of 75,000 images, with 15,000 images per class. Training was carried out using Python and TensorFlow, employing image augmentation and validation methods. The dataset was split into training, validation, and testing sets in a 70:15:15 ratio. The training results show a validation accuracy of 97.47% and a test accuracy of 97.78%, with a test loss of 0.0688. These results indicate that CNN is highly effective for rice image classification, offering high accuracy and good generalization. The conclusion of this study is that the CNN model can be applied as an assistive system in automated rice processing or sorting.
Keywords: image classification; CNN; rice; deep learning; TensorFlow.
Â
Abstrak: Penelitian ini bertujuan untuk mengembangkan model klasifikasi citra berbasis Convolutional Neural Network (CNN) guna mengidentifikasi lima jenis beras: Basmati, Ipsala, Arborio, Jasmine, dan Karacadag. Dataset yang digunakan terdiri dari 75.000 gambar, masing-masing kelas berjumlah 15.000 gambar. Proses pelatihan dilakukan menggunakan Python dan TensorFlow dengan teknik augmentasi citra dan metode validasi. Dataset dibagi menjadi data pelatihan, validasi, dan pengujian dengan proporsi 70:15:15. Hasil pelatihan menunjukkan akurasi validasi mencapai 97,47% dan akurasi pengujian sebesar 97,78%, dengan nilai loss sebesar 0,0688. Temuan ini menunjukkan bahwa CNN sangat efektif dalam klasifikasi citra beras dengan akurasi tinggi dan generalisasi yang baik. Simpulan dari penelitian ini adalah model CNN dapat digunakan sebagai sistem bantu dalam proses pengolahan atau penyortiran beras secara otomatis.
Kata kunci: klasifikasi citra; CNN; beras; deep learning; TensorFlow.
Downloads
References
Anhar, & Adi Putra, R. (2023). Perancangan Dan Implementasi Self-Checkout System Pada Toko Ritel Menggunakan Convolutional Neural Network (CNN). ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika, 11(2), 2459-9638.
Arifin, S., & Nurfaizah. (2024). Klasifikasi Motif Batik Menggunakan Metode Convolutional Neural Network (CNN) Dengan Multi Class Clasification. Jurnal Ilmiah IT CIDA : Diseminasi Teknologi Informasi, 10(1), 30-38.
Azmi, K., Defit, S., & Sumijan. (2023). Implementasi Convolutional Neural Network (CNN) Untuk Klasifikasi Batik Tanah Liat Sumatera Barat. Jurnal Unitek, 16(1), 28-40.
Dandi Darojat, M., Arum Sari, Y., & Wihandika, R. C. (2021). Convolutional Neural Network Untuk Klasifikasi Citra Makanan Khas Indonesia. JTIIK, 5(11), 4764-4769.
Diantoro, K., & Adriasyah, B. (2019). Sistem Identifikasi Jenis Burung Dengan Image Classification Menggunakan Opencv. TEKINFO, 20(1), 96-105.
Gunawan, B., & Al-Rivan, M. (2023). Klasifikasi Jenis Beras Putih Menggunakan Cnn Residual Network Optimizer Sgd. 2nd MDP Student Conference 2023 (Pp. 128-132). Palembang: Universitas Multi Data Palembang .
Hernawan, E., & Meylani, V. (2016). Analisis Karakteristik Fisikokimia Beras Putih, Beras Merah, Dan Beras Hitam (Oryza Sativa L., Oryza Nivara Dan Oryza Sativa L. Indica). Jurnal Kesehatan Bakti Tunas Husada: Jurnal Ilmu-Ilmu Keperawatan, Analis Kesehatan Dan Farmasi, 15(1), 79-85.
Lambacing, M., & Ferdiansyah. (2020). Rancang Bangun New Normal COVID-19 Masker Detector Dengan Notifikasi Telegram Berbais Internet Of Things. Jurnal Dinamik, 25(1), 77-84.
Nurfita, R., & Gunawan , A. (2023). Implementasi Deep Learning Berbasis Tensorflow Untuk Pengenalan Sidik Jari. Emitor: Jurnal Teknik Elektro, 18(1), 22-27.
Omori, Y., & Shima, Y. (2020). Image Augmentation For Eye Contact Detection Based. Journal Of Computers, 15(3), 85–97.
Shukla, N., & Fricklas, K. (2018). Machine Learning With Tensorflow. Manning Publications.
Wiranda, N., Purba, H., & Sukmawati, R. (2020). Survei Penggunaan Tensorflow Pada Machine Learning Untuk Identifikasi Ikan Kawasan Lahan Basah. Indonesian Journal Of Electronics And Instrumentation Systems (IJEIS), 10(2), 179-188.
