<![CDATA[Penggunaan Google Teachable Machine pada dasarnya melibatkan algoritma Convolutional Neural Network (CNN), yang memungkinkan model untuk belajar mengenali objek, mengekstrak fitur, dan melakukan klasifikasi dengan akurasi tinggi. Implementasi ini diharapkan dapat meningkatkan efisiensi dan akurasi proses identifikasi labu dalam sektor pertanian, mengurangi kesalahan manusia, dan meningkatkan produktivitas. Selain itu, penelitian ini memberikan wawasan praktis tentang bagaimana teknologi pembelajaran mesin yang dapat diterapkan dalam kehidupan sehari – hari, memperluas aksesibilitas teknologi ini kepada lebih banyak individu. Berdasarkan analisis dan pengujian dengan menggunakan berbagai parameter seperti epoch, model pelatihan menunjukkan akurasi mendekati 100%, sementara akurasi pengujian hanya berkisar antara 60% - 80%. Konfigurasi batch size 64, learning rate 0.001, dan epoch 100 menghasilkan hasil terbaik dengan akurasi pengujian stabil di sekitar 80%. Diharapkan di masa mendatang, penelitian ini dapat diperluas lebih lanjut dengan melakukan penyesuaian parameter secara lebih teliti untuk mencapai kinerja yang optimal dalam menangani data yang baru atau belum pernah dilihat sebelumnya.]]>
Copyrights © 2025
