Deteksi Jenis Daun Teh Klon Seri GMB Menggunakan Convolutional Neural Network (CNN) dengan Arsitektur GoogLeNet

Abstract

Varietas Assamica merupakan salah satu dari berbagai macam varietas teh yang ada di Indonesia. Varietas ini diantaranya terdapat sebelas klon yang dikenal sebagai klon seri GMB. Klon ini sudah diteliti oleh Pusat Penelitian Teh dan Kina (PPTK), dengan penamaan GMB 1-11. Namun, tidak banyak orang yang dapat membedakan sebelas klon ini secara visual. Beberapa faktor penyebab sulitnya membedakan jenis klon seri GMB adalah struktur dan warna yang memiliki banyak kesamaan. Klon seri GMB memiliki kapasitas produksi yang berbeda, sehingga berpengaruh pada tingkat keuntungan penanamannya. Sebelumnya telah dilakukan penelitian perancangan sistem untuk mengklasifikasi lima dari sebelas jenis daun teh klon seri GMB tersebut, namun tingkat akurasi belum sesuai dengan harapan. Pada penelitian ini digunakan bahasa pemrograman Python dengan metode Convolutional Neural Network (CNN) dengan arsitektur GoogLeNet sebagai pengolahan citra digital dari data set daun teh klon seri GMB. Hasil yang didapatkan dari penelitian ini adalah sistem dengan kemampuan mengklasifikasikan sebelas daun teh klon seri GMB menggunakan metode CNN dengan arsitektur GoogLeNet. Sistem mengolah data hasil augmentasi, dengan data latih sebanyak 2640 dan data uji sebanyak 220. Sistem mencapai akurasi sebesar 60,55%, 2,74 loss, dan presisi sebesar 63% menggunakan Adam Optimizer dengan learning rate 0,0001.