Perancangan Aplikasi Untuk Klasifikasi Klon Daun Teh Seri Gambung (gmb) Menggunakan Algoritma Convolutional Neural Network

Abstract

Abstrak Pusat Penelitian Teh dan Kina PPTK Gambung di Indonesia membuat sebelas seri klon teh unggul gambung. Tiap seri klon gambung mempunyai cara menanam yang berbeda. Cara menanam yang salah akan menimbulkan gagal panen. Untuk menghindari adanya gagal panen, perlu adanya pengetahuan tentang tipe klon yang akan diproses. Untuk mengatasi permasalah tersebut, dibuat aplikasi berbasis android untuk klasifikasi tipe klon gambung berdasarkan foto daun yang akan diproses secara real time. Algoritma yang digunakan untuk klasifikasi adalah convolutional neural network dengan arsitektur mobilenet. Penelitian ini menggunakan dua jenis dataset dimana dataset pertama memiliki jumlah data sebanyak 1136 foto dan dataset kedua memiliki jumlah data sebanyak 830 foto. Parameter yang digunakan adalah learning rate 0.0001, optimizer adam, epoch 100 dan 204 neuron dalam hidden layer. Dari hasil pengujian yang dilakukan, diperoleh akurasi sebesar 60% dan hasil pengujian aplikasi sebesar 25%. Kata kunci : Jenis klon teh seri gambung, Klasifikasi, Convolutional Neural Network,Mobilenet Abstract The PPTK Gambung Tea and Quinine Research Center in Indonesia makes eleven series of superior gastric tea clones. Each series has a different way of planting. The wrong way to plant will lead to crop failure. To avoid crop failure, knowledge of the type of clone to be processed is needed. To overcome these problems, an Androidbased application is made for the classification of types of stomach clones based on leaf photos which will be processed in real time. The algorithm used for classification is a convolutional neural network with a mobilenet architecture. This study uses two types of data, the first dataset has 1136 photos and the second dataset has 830 photos. The parameters used are the learning rate of 0.0001, adam optimizer, epoch 100 and 204 neurons in the hidden layer. From the results of tests carried out, obtained by 60% testing and application testing results by 25%. Keywords: Types of series tea clones, Classification, Convolutional Neural Network, Mobilenet