IMPLEMENTASI CONVOLUTIONAL NEURAL NETWORK UNTUK SORTASI MUTU SALAK EKSPOR BERBASIS CITRA DIGITAL

RISMIYATI, Dr. Azhari SN M.T

2016 | Tesis | S2 Ilmu Komputer

Buah salak adalah komoditas utama hasil buah-buahan di Kabupaten Magelang. Produksi salak dari tahun ke tahun semakin meningkat, tetapi peningkatan hasil buah salak tersebut tidak diikuti dengan bertambahnya pangsa pasar. Salah satu solusi untuk mendapatkan pasar salak yang lebih luas adalah ekspor. Kendala utama untuk melakukan ekspor adalah transportasi yang mengharuskan seleksi salak dengan ketat. Selama ini sortasi masih dilakukan secara manual. Metode CNN adalah salah satu metode deep learning yang mampu melakukan proses ektraksi fitur dan klasifikasi. Metode ini merupakan neural network yang didahului dengan lapisan konvolusi. Lapisan konvolusi sendiri terdiri dari proses konvolusi dan pooling. Pada penelitian ini, diterapkan algoritma convolutional neural network (CNN) untuk membedakan salak yang lolos ekspor dan tidak. Input yang digunakan dalam penelitian ini adalah citra salak. Proses yang dilakukan pada penelitian ini adalah pengumpulan data, proses preprocessing, klasifikasi dan pengujian. Preprocessing dilakukan dengan memotong region of interest (ROI) yang berisi salak saja. Klasifikasi dilakukan dengan CNN, dimana untuk mendapatkan akurasi yang terbaik parameter-parameter yang ada harus diujikan. Terdapat dua model yang digunakan yaitu model dua kelas dan empat kelas. Untuk masing-masing model, nilai parameter optimal perlu dicari untuk mendapat akurasi terbaik. Selain itu percobaan juga dilakukan dengan menggunakan ukuran data latih yang beragam untuk melihat pengaruh jumlah data latih terhadap akurasi. Pengujian dilakukan dilakukan dengan metode stratified cross validation untuk mengukur akurasi berdasar confusion matrix. Hasil penelitian menunjukkan bahwa akurasi terbaik untuk model dua kelas didapatkan dengan metode CNN dengan menggunakan learning rate 0.0001, satu lapisan konvolusi dengan jumlah filter lima belas dengan ukuran 3x3x3, dan jumlah neuron pada lapisan tersembunyi 100. Akurasi yang didapatkan adalah 81,5%. Model empat kelas mendapat akurasi 70,7% dengan dua lapisan konvolusi.

Salak is main fruit commodity from Magelang District. Salak harvest result has been increasing from year to year. However it was not followed by the increase in the market share. One solution to gain broader market for salak is by doing export. The main obstacle to do fruit export is transportation which requires rigorous selection of the fruit. In the current system, this sorting is done manually. CNN is one of deep learning method that is able to perform automatic feature extraction and classification. This method is a neural network which is preceded by convolution layer. Convolution layer itself consists of convolution and pooling process. In this study, convolution neural network (CNN) will be applied to automatically distinguish quality of Salak. Input used in this study is the image of salak. The process involved in this study is data collection, preprocessing , classification and testing. Preprocessing is done by cutting a region of interest (ROI) containing only salak image. Classification is done by CNN to create two models, 2-class model and 4-classes mdels, for which to get the best accuracy of the model, existing parameters should be tested and evaluated. The parameters in question are the learning rate, the number of convolution layer , the number of filters, filter size, and the number of neurons in the hidden layer. In addition, experiments were also conducted using diverse training data size to see the effect of the amount of training data to its accuracy. Validation is done by using stratified cross validation. The experiments result showed that the best accuracy for 2-class model is obtained by CNN method by using learning rate of 0.0001, a single layer convolution with fifteen filters, each with size of 3x3x3, and the number of neurons in the hidden layer 100. The accuracy obtained was 81,45%. four-classes model achieve best accuracy of 70,71% by using two convolutional layers.

Kata Kunci : Deep learning, convolutional neural network, image processing, fruit grading, salak, pemrosesan citra digital