| NIM | H1D020086 |
|---|
| Namamhs | FAUZAN AKMAL |
|---|
| Judul Artikel | ANALISIS PERFORMA METODE TRIPLE DEEP CONVOLUTIONAL NEURAL NETWORK (TDCNN) DAN CONVOLUTIONAL NEURAL NETWORK (CNN) |
|---|
| Abstrak (Bhs. Indonesia) | Penelitian ini mengkaji klasifikasi biji kopi berdasarkan kelembaban, yang sulit dilakukan secara manual. Metode machine learning seperti VGG16, InceptionV3, dan ResNet-50 sering digunakan dalam klasifikasi gambar, dan deep learning juga semakin banyak dibicarakan. Dalam penelitian ini, dilakukan perbandingan antara performa dan kinerja komputasi metode Convolutional Neural Network (CNN) dan Triple Deep Convolutional Neural Network (TDCNN) untuk klasifikasi biji kopi berdasarkan kelembaban. Dataset yang digunakan terdiri dari gambar biji kopi yang telah dikelompokkan dalam lima kelas berdasarkan kelembabannya. Model TDCNN dan CNN dilatih menggunakan dataset ini untuk mengklasifikasikan biji kopi. Metodologi penelitian melibatkan pengumpulan dataset yang terdiri dari citra biji kopi dengan sudah dikelompokkan ke dalam lima kelas berdasarkan kelembabannya. Kemudian model dari TDCNN dan CNN dilatih menggunakan dataset ini untuk mengklasifikasikan biji kopi berdasarkan kelembabannya. Hasil eksperimen menunjukkan bahwa metode CNN dengan model InceptionV3 memiliki performa terbaik dalam klasifikasi biji kopi berdasarkan kelembaban, mengungguli metode TDCNN serta model CNN lainnya seperti VGG16 dan ResNet-50 dalam evaluasi performa, akurasi, presisi, recall, dan f1-score. Walaupun model VGG16 lebih baik dalam kinerja komputasi, InceptionV3 tetap berada di posisi kedua, menggarisbawahi kemampuannya yang kuat dalam klasifikasi biji kopi berdasarkan kelembaban. Oleh karena itu, InceptionV3 dalam metode CNN merupakan pilihan yang sangat baik untuk tugas klasifikasi ini. |
|---|
| Abtrak (Bhs. Inggris) | This study examines the classification of coffee beans based on moisture, a task that is challenging to perform manually. Machine learning methods such as VGG16, InceptionV3, and ResNet-50 are often used in image classification, and deep learning is increasingly discussed. In this research, a comparison is made between the performance and computational efficiency of Convolutional Neural Network (CNN) methods and Triple Deep Convolutional Neural Network (TDCNN) for classifying coffee beans based on moisture. The dataset used consists of images of coffee beans that have been grouped into five classes based on their moisture levels. The TDCNN and CNN models are trained using this dataset to classify the coffee beans. The research methodology involves collecting a dataset comprising images of coffee beans that have already been categorized into five classes based on moisture. Then, the TDCNN and CNN models are trained using this dataset to classify the coffee beans based on their moisture levels. The experimental results show that the CNN method with the InceptionV3 model has the best performance in classifying coffee beans based on moisture, outperforming the TDCNN method as well as other CNN models such as VGG16 and ResNet-50 in terms of performance evaluation, accuracy, precision, recall, and F1-score. Although the VGG16 model has better computational performance, InceptionV3 remains in second place, highlighting its strong capability in classifying coffee beans based on moisture. Therefore, InceptionV3 in the CNN method is an excellent choice for this classification task. |
|---|
| Kata kunci | Biji Kopi, CNN, Deep Learning, InceptionV3, Machine Leraning, ResNet50, TDCNN, VGG16. |
|---|
| Pembimbing 1 | Ir. Nur Chasanah, S. Kom., M. Kom. |
|---|
| Pembimbing 2 | Ir. Bangun Wijayanto, S.T., M. Cs., IPM. |
|---|
| Pembimbing 3 | |
|---|
| Tahun | 2024 |
|---|
| Jumlah Halaman | 9 |
|---|
| Tgl. Entri | 2024-07-24 10:03:11.36436 |
|---|