TRANSFER LEARNING MODEL CNN PRALATIH UNTUK KLASIFIKASI BUNGA IRIS BERBASIS CITRA

Abstract

Klasifikasi bunga iris merupakan topik yang populer pada bidang kecerdasan buatan. Penelitian yang dilakukan untuk topik ini pada umumnya adalah model klasifikasi iris yang mengacu pada dataset iris standar yang berbentuk tabular numerik. Penelitian ini mengusulkan pendekatan alternatif, yaitu menggunakan model kecerdasan buatan yang dibangun berdasar dataset iris berbasis citra. Model yang digunakan adalah model CNN pralatih MobileNet V2, VGG 16 dan Inception V3. Transfer learning dilakukan dengan mengganti top layer dari ketiga model tersebut dengan flattened layer yang dirangkai dengan output layer berupa dense layer 3 simpul dengan fungsi aktivasi softmax. Metode transfer learning dipilih karena jumlah trainable parameter yang jauh lebih sedikit dan waktu training yang lebih singkat dibandingkan menggunakan model Convolutional Neural Network (CNN) yang dibangun dari awal. Perbandingan kinerja ketiga model ditinjau dari metrik precision, recall, F1, dan akurasi. Hasil evaluasi menunjukkan nilai metrik yang bervariasi, di mana tidak ada satu di antara ketiga model tersebut yang semua metriknya mengungguli kedua model lainnya. Dalam hal akurasi, MobileNet V2 memberikan akurasi terbaik yaitu sebesar 91%, diikuti oleh Inception V3 sebesar 87% dan terakhir VGG16 sebesar 84%