Klasifikasi Jenis Burung Lovebird Menggunakan Algoritma Convolutional Neural Network
DOI:
https://doi.org/10.51519/journalcisa.v3i2.195Keywords:
lovebird, CNN, Deep Learning, klasifikasiAbstract
Salah satu algoritma yang digunakan untuk klasifikasi citra digital adalah convolutional neural network, dalam penelitian ini citra burung lovebird yang terdiri dari 8 kelas digunakan sebagai dataset untuk pembelajaran mendalam antara lain Agapornis Cana, Agapornis Taranta, Agapornis Pullaria, Agapornis Roseicollis, Agapornis Lilianae, Agapornis Nigrigenis, Agapornis Personata dan Agapornis Ficheri, total citra yang digunakan 800 citra dengan pembagian training 70% dan testing 30%. Implementasi CNN untuk klasifikasi citra burung lovebird. CNN yang digunakan terdiri dari 2 lapisan konvolusi, 2 lapisan, 1 lapisan flatten layer, 2 lapisan dense, dan 2 lapisan Dropout. Tingkat akurasi yang diperoleh dari model CNN dengan nilai learning rate 0.01 dan jumlah epoch sebanyak 100 mendapatkan nilai akurasi 60,83%.
References
Subono, A. Hidayat, V. A. Wardhany, and A. Fahmi, “Smart Cage Bird Lovebird Based on Arduino Using Internet of Thing,” Proc. - 2019 2nd Int. Conf. Comput. Informatics Eng. Artif. Intell. Roles Ind. Revolut. 4.0, IC2IE 2019, pp. 126–130, 2019.
R. E. Moreau, “Aspects of Evolution in the Parrot Genus Agapornis,” Ibis (Lond. 1859)., vol. 90, no. 2, pp. 206–239, 1948.
Y. S. T, I. Aprilia, J. Yos, S. Pabean, and D. Probolinggo, “Identifikasi Jenis-Jenis Burung Lovebird Menggunakan Pengolahan Citra Digital Dengan Metode K-Means Clustering,” vol. 4, no. September, pp. 445–456, 2020.
A. T. Vo, H. S. Tran, and T. H. Le, “Advertisement image classification using convolutional neural network,” Proc. - 2017 9th Int. Conf. Knowl. Syst. Eng. KSE 2017, vol. 2017-January, pp. 197–202, 2017.
J. Li, C. Wang, S. Wang, H. Zhang, and B. Zhang, “Classification of very high resolution SAR image based on convolutional neural network,” RSIP 2017 - Int. Work. Remote Sens. with Intell. Process. Proc., pp. 1–4, 2017.
A. Wang, Y. Wang, and Y. Chen, “Hyperspectral image classification based on convolutional neural network and random forest,” Remote Sens. Lett., vol. 10, no. 11, pp. 1086–1094, 2019.
L. Deng and D. Yu, “Deep learning: Methods and applications,” Found. Trends Signal Process., vol. 7, no. 3–4, pp. 197–387, 2013.
Y. Lecun, Y. Bengio, and G. Hinton, “Deep learning,” Nature, vol. 521, no. 7553, pp. 436–444, 2015.
E. N. Arrofiqoh and H. Harintaka, “Implementasi Metode Convolutional Neural Network Untuk Klasifikasi Tanaman Pada Citra Resolusi Tinggi,” Geomatika, vol. 24, no. 2, p. 61, 2018.
L. Marifatul Azizah, S. Fadillah Umayah, and F. Fajar, “Deteksi Kecacatan Permukaan Buah Manggis Menggunakan Metode Deep Learning dengan Konvolusi Multilayer,” Semesta Tek., vol. 21, no. 2, pp. 230–236, 2018.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2022 Hadi Syaputra, Edi Supratman, Susan Dian Purnamasari
This work is licensed under a Creative Commons Attribution 4.0 International License.
