Implementasi Convolutional Neural Network untuk Klasifikasi Citra Soil Nikel dan Non Nikel

Abstract

Soil merupakan suatu hasil proses residual dari suatu batuan. Keberadaan soil tertentu memiliki kandungan unsur yang bermanfaat bagi kehidupan manusia, salah satunya yakni unsur Ni atau Nikel. Umumnya kandungan unsur pada soil, tercermin dari sifat fisik biasanya dapat di bedakan dengan bantuan panca indera. Maksud penelitian untuk mengembangkan model machine learning dari data tipe soil nikel dan non nikel. Tujuan dalam penelitian ini untuk klasifikasi soil nikel dan non nikel menggunakan machine learning dan mengetahui akurasi model. Metode penelitian terdiri dari 2 yakni kualitatif dan kuantitatif, serta diolah menggunakan Convolution Neural Network (CNN). Citra digital atau image merupakan bahan baku dalam proses pengembangan model berupa citra soil nikel dan non nikel. Data citra digital diambil sebanyak 580 dibagi menjadi 2 kelas (binary) dengan skenario pembagian data latih dan validasi sebesar 80 : 20 %. Semua data image diolah menggunakan arsitektur CNN dengan perpaduan 3 layer konvolusi sebagai fitur ektrasi dan 1 fully connected layer sebagai output klasifikasi dari model yang dikembangkan. Berdasarkan hasil dari proses pelatihan data menjadi suatu model didapatkan akurasi sebesar 96 % dengan waktu total selama 20 menit 25 detik.