Sistem Klasifikasi Buah Family Arecaceae Di Kota Tarakan Berbasis Citra Menggunakan Deep Learning

Abstract

Kota Tarakan di Kalimantan Utara memiliki keanekaragaman hayati yang signifikan, terutama jenis family arecaceae yang berperan penting dalam ekosistem dan perekonomian lokal. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi berbasis citra menggunakan metode deep learning, khususnya CNN, untuk mengidentifikasi jenis buah dari family arecaceae. Dataset yang digunakan mencakup 420 citra awal palem raja dan pinang, yang setelah melalui tahap preprocessing menjadi 1.338 citra. Dataset dibagi menjadi 75% data latih, 10% data validasi, dan 15% data uji sekunder. Model CNN menunjukkan akurasi pelatihan sebesar 100%, dengan evaluasi pada data validasi menghasilkan rata-rata presisi, recall, dan f1-score masing-masing sebesar 100%. Evaluasi pada data uji sekunder menunjukkan rata-rata presisi sebesar 95%, recall dan f1-score  masing - masing sebesar 94%, sedangkan data uji primer menghasilkan rata-rata presisi sebesar 88%, recall 88%, dan f1-score 87%. Hasil ini mengindikasikan bahwa sistem klasifikasi yang dikembangkan cukup efektif dalam mengenali dan menganalisis citra buah, meskipun terdapat kekurangan pada pengujian data primer. Kesalahan tersebut diakibatkan oleh terbatasnya jumlah citra, kurangnya variasi data latih, dan kurangnya tahapan preprocessing pada citra uji.