<![CDATA[Beras merupakan objek citra digital yang memiliki karakteristik visual berupa bentuk, ukuran, dan tekstur yang dapat direpresentasikan sebagai fitur untuk proses klasifikasi. Perbedaan karakteristik antar merek beras memungkinkan penerapan metode deep learning untuk mengenali pola citra secara otomatis. Salah satu algoritma deep learning yang banyak digunakan dalam klasifikasi citra adalah Convolutional Neural Network (CNN), yaitu metode yang mampu mengekstraksi fitur citra secara otomatis melalui proses konvolusi. Penelitian ini bertujuan menerapkan algoritma Convolutional Neural Network (CNN) dalam mengklasifikasikan tiga merek beras di Kota Samarinda serta menganalisis performa model yang dihasilkan. Dataset yang digunakan merupakan data primer sebanyak citra digital beras yang diperoleh melalui pengambilan gambar secara langsung. Data dibagi ke dalam dua skenario pelatihan dan pengujian, yaitu dan . Tahap pra-pemrosesan meliputi normalisasi nilai piksel ke interval [0,1] dan transformasi ukuran citra menjadi , dan piksel. Untuk meningkatkan kemampuan generalisasi model, diterapkan augmentasi data pada data latih. Model CNN disusun menggunakan operasi konvolusi, fungsi aktivasi ReLU, pooling layer, dropout layer, dan fully connected layer, dengan fungsi aktivasi Softmax pada lapisan keluaran. Hasil penelitian menunjukkan bahwa model terbaik diperoleh pada skenario pembagian data dengan ukuran input piksel. Model menghasilkan validation accuracy sebesar dan nilai loss sebesar 0,0733. Pada tahap pengujian diperoleh rata-rata precision , recall , dan F1-score . Hasil tersebut menunjukkan bahwa metode CNN efektif digunakan dalam klasifikasi citra beras.]]>
Copyrights © 2026
