Identification of Types of Wood using Convolutional Neural Network with Mobilenet Architecture
| Main Authors: | Hendriyana, Hendriyana, Yazid Hilman Maulana |
|---|---|
| Format: | Article info application/pdf Journal |
| Bahasa: | eng |
| Terbitan: |
Ikatan Ahli Informatika Indonesia (IAII)
, 2020
|
| Subjects: | |
| Online Access: |
http://jurnal.iaii.or.id/index.php/RESTI/article/view/1445 http://jurnal.iaii.or.id/index.php/RESTI/article/view/1445/203 |
Daftar Isi:
- Indonesia is a wood producing with large number of forest and various type of trees in less than 4000 species of trees in Indonesia’s forest. The activity of wood identification is effort to get information about kind of wood. The identification type of wood that have similar characteristics, it is difficult to identify the right type of wood. The characteristic can be allotted to two group, general characteristic and anatomy characteristic. General characteristics can be seen directly by the senses without tools, while anatomy characteristics can be seen with tools such as loupe or microscope. Convolutional Neural Network with mobilenet architecture is a Deep Learning method that can be use identify and classifying an object. In this study, using 1000 images for 10 types of wood in each type. The images split into 90 images training dataset dan 10 images for validation datasets captured by mobilephone. Based on the result of research, the obtained level of accuracy 98% training, 93,3% testing, 28% recall, and 93% for precission. That result can be concluded that performance from this model in this research is optimal to classification the kind of wood.
- Indonesia merupakan negara penghasil kayu dengan jumlah hutan yang sangat besar serta berbagai jenis pohon yang hidup didalamnya, terdapat tidak kurang dari 4.000 jenis pohon yang ada di hutan Indonesia. Jenis kayu yang memiliki kesamaan ciri sehingga sulit untuk mengidentifikasi jenis kayu dengan tepat. Keakuratan dalam mengidentifikasi jenis kayu sangat berpengaruh dalam menentukan fungsinya, secara umum ciri-ciri tersebut dapat dibagi kedalam dua kelompok yaitu ciri umum dan ciri anatomi. Ciri umum mencakup ciri yang dapat dilihat secara langsung dengan panca indra dan tanpa bantuan alat sedangkan ciri anatomi dapat diamati secara jelas dengan bantuan kaca pembesar atau mikroskop. Convolutional Neural Network dengan arsitektur Mobilenet salah satu metode Deep Learning yang dapat digunakan untuk mengenali dan mengklasifikasi suatu objek. Pada penelitian ini menggunakan 1000 citra untuk 10 jenis kayu pada tiap jenis diambil 90 citra untuk training dataset dan 10 citra untuk validasi dataset yang diambil dengan menggunakan smartphone. Hasil dari pengujian dengan 30 data citra baru, didapatkan tingkat akurasi sebesar 98 % training, 93,3 % testing, 28% untuk recall, dan 93% untuk presisinya. Hasil tersebut dapat disimpulkan bahwa performa dari model dalam penelitian ini dikatakan optimal dalam mengklasifikasi jenis kayu.