IMPLEMENTASI TRANSFER LEARNING DALAM MENGKLASIFIKASIKAN 16 JENIS BUAH DAN SAYURAN MENGGUNAKAN ARSITEKTUR DENSENET 201 = IMPLEMENTATION OF TRANSFER LEARNING IN CLASSIFYING 16 TYPES OF FRUIT AND VEGETABLES USING DENSENET 201 ARCHITECTURE

Perkembangan teknologi yang begitu pesat dalam berbagai macam hal. Salah satunya adalah membantu dalam bidang pertanian, dimana pada bidang pertanian ada beragam macam sayuran dan buah yang hampir serupa, baik dari segi ukurannya, warna, dan jenisnya. Sehingga kadangkala kesulitan untuk membedakan buah dan sayuran jika hanya berdasarkan penampakannya. Seperti pada buah apel dengan apel lainnya. Namun, teknologi semakin canggih ini tentunya dapat dikembangkan untuk dilakukannya klasifikasi jenis buah dan sayuran berdasarkan karakteristiknya. Agar memudahkan pada bidang pertanian dalam membedakan buah dan sayuran yang hampir serupa, Convolutional Neural Network (CNN) dapat dimanfaatkan untuk mengklasifikasikan buah dan sayuran. Pada penelitian ini arsitektur CNN yang digunakan adalah DenseNet 201. Penelitian ini bertujuan mengimplementasikan transfer learning dan menggunakan arsitektur DenseNet 201 dalam mengklasifikasikan 16 jenis buah dan sayuran. Performa model diukur berdasarkan nilai akurasi, F-1 score, luas area di bawah kurva ROC, dan kecepatan komputasi. Hasil penelitian ini menunjukkan pada arsitektur DenseNet memiliki performa yang sangat baik pada learning rate 10-3 dan 10-4 dengan akurasi mencapai 100% begitupun dengan f-1 score, luas area kurva ROC yang berada di angka 1. Namun, model DenseNet 201 dengan learning rate 10-5 memiliki performa yang buruk. Akurasi yang tidak semua berada di atas 70%. Secara keseluruhan, performa semua model sudah sangat baik, kecuali DenseNet 201 dengan learning rate 10.