KLASIFIKASI JENIS KUMBANG MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN)

TOMY CANDRA, DELIMA AGUSTINA MARGARETA MARPAUNG, ARUN DINIS, M. REZA FACHROZI (2022) KLASIFIKASI JENIS KUMBANG MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN) , SKRIPSI, UNIVERSITAS PRIMA INDONESIA

ABSTRAK

Kumbang (Ordo Coleoptera) merupakan ordo terbesar dari hewan. Kumbang merupakan sekelompok serangga yang membentuk ordo Coleoptera. Perkiraan dari jumlah total spesies kumbang yang hidup adalah jutaan, banyaknya jenis kumbang yang memiliki bentuk yang mirip sehingga membuat kita sulit untuk mengenal jenis kumbang secara langsung. Saat ini, proses klasifikasi kumbang masih dilakukan dengan cara pengamatan visual secara langsung serta asumsi personal. CNN model ResNet50 adalah salah satu varian ResNet yang memiliki 50 layer dan VGG16 merupakan model CNN yang menggunakan convolutional layer dengan spesifikasi convolutional filter yang kecil (3×3) dan selalu menggunakan lapisan padding dan maxpool yang sama dari filter 2x2. Pada penelitian ini Algoritma CNN dengan model ResNet50 berhasil untuk mengidentifikasi jenis kumbang den dengan akurasi, presisi, recall dan F-1 Score dengan nilai 93%, 94.24%, 91.37%, 94.52%, sedangkan model VGG16 berhasil melakukan identifikasi jenis kumbang dengan akurasi, presisi, recall dan F-1 Score dengan nilai 86.9%, 87.5%, 87%, 87.2%, sehingga dapat disimpulkan bahwa klasifikasi jenis kumbang menggunakan algoritma CNN dengan model ResNet50 lebih baik daripada model VGG16.

JURNAL