<![CDATA[Penelitian ini membahas tentang klasifikasi tanaman anggrek menggunakan tiga arsitektur deep learning yang berbeda: Baseline CNN, Xception, dan NASNet Mobile. Berdasarkan analisis, performa dari ketiga model ini dibandingkan menggunakan nilai akurasi dan skor loss. Hasil menunjukkan bahwa NASNet Mobile memiliki performa terbaik dengan akurasi tertinggi dan skor loss terendah. Untuk lebih meningkatkan akurasi dan keandalan prediksi akhir, metode majority voting digunakan untuk menggabungkan hasil prediksi dari ketiga model tersebut. Hasil akhir menunjukkan bahwa dengan menggunakan metode majority voting, akurasi klasifikasi tanaman anggrek mencapai 100%. Penelitian ini menyimpulkan bahwa majority voting dapat secara efektif meningkatkan akurasi klasifikasi dibandingkan dengan menggunakan model tunggal, dengan memanfaatkan keunggulan masing-masing model untuk menghasilkan hasil yang optimal.]]>
Copyrights © 2025
