Perbandingan Arsitektur MobileNetV2 dan DenseNet121 untuk Klasifikasi

Abstract

Rempah merupakan sejenis tanaman dengan rasa dan aroma kuat yang digunakan dalam makanan sebagai bumbu, penambah rasa, dan bahan baku obat herbal. Namun, terdapat banyak jenis rempah dengan beragam bentuk, warna dan tekstur yang masih sulit untuk dibedakan. Convolution Neural Network merupakan salah satu Deep Learning yang mampu melakukan klasifikasi citra dengan baik, oleh sebab itu penelitian ini mengimplementasikan dua buah arsitektur untuk melakukan perbandingan antar model dalam mengklasifikasikan rempah untuk melihat model dengan metrik evaluasi terbaik. Arsitektur yang digunakan pada penelitian ini adalah MobileNetV2 dan DenseNet121. Data yang digunakan adalah data “empon-empon” yang berjumlah 638 data dengan perbandingan 80% sebagai data training, 10% sebagai data validasi dan 10% sebagai data uji. Dalam percobaan akan divariasikan jumlah epochnya sebanyak 5, 10 dan 20. Berdasarkan hasil ujicoba menunjukan bahwa MobileNetV2 dengan 20 epoch memiliki nilai Recall, Precision, F1 Score, dan Accuracy yang tertinggi yaitu 96%. Hal ini menunjukan bahwa MobileNetV2 dengan 20 epoch dapat unggul dalam keempat metriksS terhadap model DenseNet121.