PERBANDINGAN KINERJA DEEP LEARNING LENET DAN ALEXNET DENGAN AUGMENTASI DATA PADA IDENTIFIKASI ANGGREK

ekanofi tarisa, Fenty Ariany

Abstract


Anggrek adalah tanaman florikultura yang sangat digemari oleh masyarakat karena menarik perhatian dari segi bentuk dan warna bunga yang unik serta masa berbunganya yang relatif panjang. Meskipun banyak diminati keanekaragaman anggrek masih sangat sulit untuk diidentifikasi hanya berdasarkan bentuk dan warna. Deep learning berfokus pada penggunaan arsitektur jaringan syaraf tiruan yang mempunyai kemampuan dalam pengenalan citra. Sehingga deep learning dipilih sebagai metode utama untuk mengatasi permasalahan identifikasi citra anggrek. Penerapan metode deep learning pada penelitian ini untuk membandingkan hasil akurasi kinerja arsitektur LeNet dan AlexNet pada identifikasi citra anggrek dan menggunakan skenario pengujian K-Fold Cross Validation. Dataset anggrek memiliki 1000 gambar, lalu dataset di augmentasi menjadi 2000 gambar. Google Colab digunakan sebagai alat untuk melakukan proses pelatihan model deep learning. Hasil penelitian menunjukkan AlexNet menggunakan augmentasi rotate memiliki nilai akurasi 79.50% dan LeNet memiliki nilai akurasi 62,50%. Sehingga dapat disimpulkan bahwa identifikasi spesies anggrek dengan menggunakan arsitektur AlexNet lebih akurat dibandingkan dengan arsitektur LeNet.

Full Text:

PDF

References


Al Rivan, M. E., & Setiawan, A. (2022). Pengenalan Gestur Angka Pada Tangan Menggunakan Arsitektur AlexNet Dan LeNet Pada Metode Convolutional Neural Network. Komputika : Jurnal Sistem Komputer, 11(1), 19–28. https://doi.org/10.34010/komputika.v11i1.5176

Almryad, A., Technology, H. K.-S. and, Journal, an I., &(2020, undefined. (n.d.). Automatic identification for field butterflies by convolutional neural networks. Elsevier. Retrieved November 26, 2022, from https://www.sciencedirect.com/science/article/pii/S2215098619326011

Batubara, N., & Awangga, R. (2020). Tutorial Object Detection Plate Number With Convolution Neural Network (CNN). https://books.google.com/books?hl=id&lr=&id=JAgHEAAAQBAJ&oi=fnd&pg=PA1&dq=batubara+2020+object+detection+plate&ots=3VwkbkZuKz&sig=oXQQ_Jwd1ZtIsxket02dV-y7RQI

Falahkhi, B., Achmal, E. F., Rizaldi, M., Rizki, R., & Yudistira, N. (n.d.). Perbandingan Model AlexNet dan ResNet dalam Klasifikasi Citra Bunga Memanfaatkan Transfer Learning Comparison of AlexNet and ResNet Models in Flower Image Classification Utilizing Transfer Learning. http://journal.ipb.ac.id/index.php/jika

Goodfellow, I., Bengio, Y., & Courville, A. (n.d.). Deep Learning.

Hansel, L., #1, G., Bunyamin, H., & Si, S. (2021). Penggunaan Augmentasi Data pada Klasifikasi Jenis Kanker Payudara dengan Model Resnet-34 (Vol. 3). https://cs231n.github.io/convolutional-networks/

Irfansyah, D., Mustikasari, M., Suroso, A., Sistem Informasi Bisnis, J., Ilmu Komputer dan Teknologi Informasi, F., Gunadarma, U., Sistem Informasi, J., Bani Saleh, S., Margonda Raya No, J., Depok, B., & Hasibuan No, J. M. (2021). Arsitektur Convolutional Neural Network (CNN) Alexnet Untuk Klasifikasi Hama Pada Citra Daun Tanaman Kopi. 6(2).

Januar Rinaldi, M., & Roro Narwastu Dwi Rita, R. (2020). IDENTIFIKASI JENIS ANGGREK (Orcidaceae) DI KEBUN RAYA LEMOR DESA SUELA KECAMATAN SUELA KABUPATEN LOMBOK TIMUR. In 50 | Jurnal Silva Samalas (Vol. 3, Issue 1).

Lecun, Y., Eon Bottou, L., Bengio, Y., & Abstract|, P. H. (n.d.). Gradient-Based Learning Applied to Document Recognition.

Peryanto, A., Yudhana, A., & Umar, R. (2020). Klasifikasi Citra Menggunakan Convolutional Neural Network dan K Fold Cross Validation. Journal of Applied Informatics and Computing, 4(1), 45–51. https://doi.org/10.30871/jaic.v4i1.2017

Pramana, A. L., Setyati, E., & Kristian, Y. (2020). Model Cnn Lenet Dalam Pengenalan Jenis Golongan Kendaraan. Institut Sains Dan Teknologi Terpadu Surabaya, 13(2), 65–69.

Putra Pamungkas, D., KUNCI Anggrek, K., & Korespondensi, O. (2019). Ekstraksi Citra menggunakan Metode GLCM dan KNN untuk Indentifikasi Jenis Anggrek (Orchidaceae). 1(2), 51–56.

Rafly Alwanda, M., Putra, R., Ramadhan, K., & Alamsyah, D. (2020). Implementasi Metode Convolutional Neural Network Menggunakan Arsitektur LeNet-5 untuk Pengenalan Doodle. In Jurnal Algoritme (Vol. 1, Issue 1).

Rochmawati, N., … H. H.-J. I., & 2021, undefined. (n.d.). Analisa Learning Rate dan Batch Size pada Klasifikasi Covid Menggunakan Deep Learning dengan Optimizer Adam. Repository.Unair.Ac.Id. Retrieved November 26, 2022, from https://repository.unair.ac.id/117699/

Sanjaya, J., & Ayub, M. (2020). Augmentasi Data Pengenalan Citra Mobil Menggunakan Pendekatan Random Crop, Rotate, dan Mixup. Jurnal Teknik Informatika Dan Sistem Informasi, 6(2), 311–323. https://doi.org/10.28932/jutisi.v6i2.2688

Shorten, C., & Khoshgoftaar, T. M. (2019). A survey on Image Data Augmentation for Deep Learning. Journal of Big Data, 6(1). https://doi.org/10.1186/S40537-019-0197-0/




DOI: http://dx.doi.org/10.31000/jika.v8i1.9923

Article Metrics

Abstract - 109 PDF - 122

Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

 

CURRENT INDEXING