IMPLEMENTASI DEEP LEARNING CNN (CONVOLUTIONAL NEURAL NETWORKS) UNTUK PENGENALAN BUAH APEL

Deep Learning adalah sebuah teknologi pengembangan dari machine learning, dimana algoritma yang digunakan berdasarkan hukum matematik yang bekerja layaknya jaringan syaraf manusia. Image processing atau pengolahan citra digital adalah salah satu pemanfaatan dari deep learning itu sendiri. Image processing digunakan agar dapat mengklasifikasi sebuah objek secara cepat, tepat, dan bisa beroprasi menggunakan jumlah data yang besar secara bersamaan. Pada image processing tersebut algoritma yang di implementasikan adalah algoritma Convolutional Neural Network (CNN). Covolutional Neural Network (CNN) memiliki algoritma yang terdiri dari tiga lapisan utama yaitu Convolution Layer, Pooling Layer, dan Fully Connected Layer. Beberapa proses utama pada pembuatan sistem klasifikasi mulai dari pengumpulan data, perancangan sistem, pelatihan, hingga testing. Penelitian dilakukan dengan menggunakan dataset citra buah apel yang diambil dari Kaggle sebanyak 2.195 pada data testing dan 6.543 pada data training. Terdapat skenario uji coba untuk penelitian yaitu, uji coba pengaruh jumlah layer. Skenario uji coba penelitian yang telah dilakukan dapat diambil kesimpulan yaitu jumlah Layer memberikan pengaruh terhadap kinerja model. Nilai F1-Score dari model 1 filter kernel 3x3 layer hanya menghasilkan nilai 91,56% dan model 1 filter kernel 5x5 menghasilkan 84,25%. Sementara model dengan 5 layer filter kernel 3x3 nilai F1-Score yang jauh lebih besar yaitu 99.47% dan model 5 layer filter kernel 5x5 97,38%. Sehingga dapat disimpulkan bahwa jumlah layer pada pengenalan buah apel dengan metode deep learning CNN (Convolutional Neural Network) sangat berpengaruh banyak untuk kinerja yang lebih baik. Semakin banyak jumlah layer semakin bagus akurasi yang didapatkan serta ukuran kernel semakin kecil ukuran kernel maka semakin bagus juga akurasi yang didapatkan.