Implementasi Deep Learning Menggunakan Metode Convolutional Neural Network Untuk Klasifikasi Cuaca

Klasifikasi citra berkembang pesat dalam beberapa tahun terakhir dan menjadi salah satu topik populer dalam bidang computer vision. Klasifikasi citra digital memberikan banyak manfaat untuk kehidupan sehari-sehari, contohnya untuk mengklasifikasi kondisi cuaca yang merupakan salah satu faktor dalam mempengaruhi suatu kondisi lingkungan. Monitoring kondisi cuaca dapat memberikan informasi mengenai kondisi cuaca yang aman untuk melakukan aktivitas. Salah satu metode yang digunakan untuk proses klasifikasi citra digital adalah metode Convolutional Neural Network (CNN) yang dapat melakukan klasifikasi dengan melalui dua tahap utama yaitu tahap ekstraksi fitur dan tahap klasifikasi. Pada penelitian ini dataset yang digunakan diambil dari website KAGGLE, yaitu Multi-Class Weather Image Dataset yang berisikan sekitar 1500 gambar dengan 5 kelas cuaca berbeda diantaranya cloudy, rainy, foggy, shine, dan sunrise. Proses pelatihan dengan menggunakan beberapa nilai parameter yang diubah-ubah untuk mendapatkan nilai akurasi terbaik. Dari hasil pengujian yang telah dilakukan menghasilkan kesimpulan bahwa nilai parameter optimizer, epoch, dan jumlah data latih yang digunakan berpengaruh terhadap akurasi yang dihasilkan. Diperoleh hasil akurasi rata-rata f1-score untuk optimizer ADAM sebanyak 62,05% dan optimizer SGD sebanyak 61,04%.