Analisis Arsitektur Convolutional Neural Network Untuk Klasifikasi Citra Bunga

Abstract

Pengenalan karakteristik tentang keilmuan hayati makin popular dalam penelitian ilmiah, khususnya dengan memanfaatkan komputasi. Indonesia merupakan salah satu negara dengan keanekaragaman hayati terbesar di dunia, Saat ini, Indonesia telah mengidentifikasi dan memberi nama pada 19.232 spesies tanaman berbunga. Klasifikasi citra bunga telah menarik minat banyak peneliti untuk menyelidiki metode-metode baru. Salah satu metode yang banyak digunakan adalah metode deep learning dan neural network. Convolutional Neural Network (CNN) adalah salah satu metode deep learning yang paling umum digunakan dalam pengolahan citra.  Penelitian ini bertujuan untuk menganalisis kinerja klasifikasi citra bunga menggunakan arsitektur VGG16 dan NasNetMobile dengan fine tune dan tanpa fine tune. Model arsitejtur NasNetMobile dengan fine tune mencapai akurasi terbaik sebesar 99.15%, sedangkan model arsitektur NasNetMobile tanpa fine tune mencapai akurasi terendah sebesr 97.45%.