<![CDATA[Penelitian ini bertujuan untuk mengklasifikasikan tingkat kematangan buah kelapa sawit menggunakan model Inception V3 dengan pendekatan hyperparameter tuning menggunakan Grid Search dan Random Search. Dataset yang digunakan terdiri dari tiga kelas kematangan buah kelapa sawit: belum masak, masak, dan terlalu masak. Penelitian ini melibatkan beberapa kombinasi hyperparameter, termasuk learning rate, batch size, dan jumlah epoch, yang diuji untuk mendapatkan konfigurasi terbaik. Hasil menunjukkan bahwa kombinasi terbaik dari Grid Search mencapai akurasi sebesar 91%, sedangkan Random Search menghasilkan akurasi tertinggi sebesar 92%. Evaluasi dilakukan melalui analisis konfusi matriks, yang menunjukkan bahwa model mampu mengklasifikasikan tingkat kematangan buah dengan tingkat kesalahan yang rendah. Berdasarkan hasil ini, disimpulkan bahwa penggunaan metode hyperparameter tuning sangat penting dalam meningkatkan akurasi model prediksi. Penelitian ini juga memberikan rekomendasi untuk eksplorasi lebih lanjut dengan model arsitektur yang lebih kompleks serta data yang lebih bervariasi untuk meningkatkan generalisasi model.]]>
Copyrights © 2025
