Optimasi Klasifikasi Buah Anggur Menggunakan Data Augmentasi dan Convolutional Neural Network

Anggur adalah buah yang populer dan dapat dengan mudah ditemukan hampir di mana saja di dunia. Banyak yang akan terkagum-kagum dengan rasa manis dan nikmat dari buah anggur ini. Anggur tidak hanya membawa kelezatan yang luar biasa untuk kita semua, tetapi juga membawa manfaat khusus bagi kesehatan manusia. Oleh karena itu, peneliti mencoba membuat program pengenalan citra buah anggur yang menggunakan algoritma Data Augmentation dan Convolutional Neural Network. Ini adalah aktivitas konvolusi yang menggabungkan beberapa pemrosesan persiapan dengan beberapa komponen yang bergerak bersama melalui sistem sensor biologis. Anggur yang digunakan adalah Champagne, Concord, Cotton Candy, Chris Monceedless, Gewürztraminer, Grenora, Kyoho, Moondrops, Pinot Noir, Riesling, Sultana, Sweet Jubilee dan Valiant. Optimalisasi klasifikasi dilakukan pada citra buah anggur menggunakan dua model pengujian yaitu model Sequential dan model on-top VGG16 yang beroperasi pada website aplikasi Google Collaboratory dan Keras. Data pengujian untuk observasi ini pada data latih sebanyak 2400 citra dan data uji sebanyak 480 citra yang menghasilkan nilai untuk model sequential dengan akurasi sebesar 98,54% dan loss sebesar 0,027%, untuk model on-top VGG16 nilai akurasinya adalah 99,37% dan nilai loss hanya 0,029%.