Klasifikasi Jenis Beras Menggunakan ResNet-18

Keberagaman varietas beras, yang dapat dibedakan berdasarkan bentuk, warna, dan jenisnya, memiliki peran penting dalam sektor pangan dan pertanian. Identifikasi jenis beras secara visual sering kali tidak akurat dan rentan terhadap kesalahan. Untuk mengatasi masalah ini, teknologi modern seperti pengenalan citra digital menawarkan solusi yang lebih objektif dan efisien. Salah satu pendekatan yang digunakan dalam penelitian ini adalah Convolutional Neural Network (CNN) dengan model ResNet-18 untuk mengklasifikasikan berbagai jenis beras secara otomatis. Dataset yang digunakan yakni dataset jenis beras dengan total 300 gambar, yang terdiri dari tiga kelas yaitu Basmati, IR64, dan Ketan yang diambil dari Github. Adapun pembagian datasetnya gambar dibagi menjadi set pelatihan, valdiasi dan set pengujian dengan rasio 70:10:20, yang bertujuan untuk melatih model dan mengevaluasi model. Model CNN dilatih menggunakan dataset gambar beras dengan berbagai teknik augmentasi untuk meningkatkan akurasi dan kemampuan generalisasi model. Untuk optimasinya menggunakan Adam (Adaptive Moment Estimation) dan learning rate (0,001), epoch maksimal 20 dan menggunakan Earlystopping. Hasil eksperimen menunjukkan bahwa model ResNet-18 mampu mencapai akurasi sebesar 93,33%, menandakan bahwa model dapat mengenali dan mengklasifikasikan jenis beras dengan sangat baik.