KLASIFIKASI JENIS BERAS MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK PADA ARSITEKTUR MOBILENET

Abstract

Penelitian ini bertujuan untuk mengembangkan model klasifikasi jenis beras menggunakan Convolutional Neural Network (CNN) pada arsitektur MobileNet. Dataset yang digunakan terdiri dari 273 citra beras yang dibagi menjadi dua kelompok: 228 citra untuk training dan 45 citra untuk testing, dengan tiga jenis beras yaitu Ketan, IR64, dan Basmathi. Proses augmentasi dan normalisasi data dilakukan untuk meningkatkan variasi dan kualitas dataset. Model CNN yang dibangun dilatih menggunakan data training selama 100 epoch, dengan hyperparameter seperti optimizer Adam, learning rate 0.001, dan batch size 32. Hasil pelatihan menunjukkan peningkatan kinerja model seiring bertambahnya epoch, yang tercermin dalam metrik akurasi, presisi, dan recall. Evaluasi pada data testing menunjukkan akurasi sebesar 69.16%, presisi sebesar 75.14%, dan recall sebesar 61.23%. Nilai loss yang dicapai adalah 0.5664, menunjukkan kemampuan model dalam memperkirakan nilai target dengan baik.