Klasifikasi Cuaca Berbasis Citra dengan Model CNN LeNet-5 yang Dimodifikasi
DOI:
https://doi.org/10.32664/j-intech.v12i02.1515Kata Kunci:
CNN, Cuaca, Deep Learning, Klasifikasi, PrediksiAbstrak
Perkembangan teknologi di bidang informasi cuaca sangatlah dibutuhkan khususnya bagi seluruh aspek kehidupan. Untuk mengenali, mempelajari, hingga mendeteksi kondisi cuaca yang terjadi, perlu adanya teknik klasifikasi dengan bantuan artificial intelligence. Model klasifikasi yang digunakan adalah convolutional neural network (CNN) dengan arsitektur LeNet-5 yang dimodifikasi. Tujuan dari penelitian ini untuk menguji kinerja model terhadap klasifikasi kondisi cuaca cerah, cerah berawan, berawan dan hujan, serta mengetahui akurasi yang dihasilkan dan pengaplikasiannya. Dengan model tersebut. Ukuran citra yang digunakan adalah 224x224, ukuran batch 32, learning rate 0,0001 dan dilatih dengan 50 epoch. Pada proses pelatihan model, dibuat 8 skenario berbeda yang melibatkan teknik augmentasi dan tanpa augmentasi, serta penggunaan salah satu fungsi callbacks berupa earlystopping. Model CNN yang menggunakan augmentasi dan earlystopping dengan nilai patience 5 menghasilkan perform yang paling baik karena mencapai akurasi hingga 94%. Model tersebut diimplementasikan pada situs web yang di-host secara lokal dan menghasilkan prediksi yang sesuai dengan kondisi cuaca yang terjadi.
Referensi
Alwanda, M. R., Ramadhan, R. P. K., & Alamsyah, D. (2020). Implementasi Metode Convolutional Neural Network Menggunakan Arsitektur LeNet-5 untuk Pengenalan Doodle. Jurnal Algoritme, 1(1), 45–56. https://doi.org/10.35957/algoritme.v1i1.434
An, J., Chen, Y., & Shin, H. (2018). Weather Classification using Convolutional Neural Networks. 2018 International SoC Design Conference (ISOCC), 245–246. https://doi.org/10.1109/ISOCC.2018.8649921
Budi, R. S., Patmasari, R., & Saidah, S. (2021). Klasifikasi Cuaca Menggunakan Metode Convolutional Neural Network. EProceedings of Engineering.
Dama, H. R. A., Supianto, A. A., & Setiawan, N. Y. (2021). Analisis Penggunaan Model Regresi untuk Prediksi Penjualan Spare Part pada AHASS Nur Andhita Grogol. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 5(12).
Heryadi, Y., & Irwansyah, E. (2020). Deep Learning: Aplikasinya di Bidang Geospasial. AWI Technology Press.
IBRAHIM, N., SA’IDAH, S., HIDAYAT, B., & DARANA, S. (2022). Klasifikasi Grade Telur Ayam Negeri secara non- Invasive menggunakan Convolutional Neural Network. ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika, 10(2), 297. https://doi.org/10.26760/elkomika.v10i2.297
Indriani.S, D. D., Sinaga, E. J. A., Oktavia, G., Syahputra, H., & Ramadhani, F. (2024). Identifikasi Tanda Tangan Dengan Menggunakan Metode Convolution Neural Network (CNN). J-INTECH, 12(1), 138–147. https://doi.org/10.32664/j-intech.v12i1.1273
Jaya, H., Sabran, S., Idris, Muh. M., Djawad, Y. A., Ilham, A., & Ahmar, A. S. (2018). KECERDASAN BUATAN. Fakultas MIPA Universitas Negeri Makassar.
Kamath, U., Liu, J., & Whitaker, J. (2019). Deep learning for NLP and speech recognition. Springer. https://search.ebscohost.com/login.aspx?direct=true&scope=site&db=nlebk&db=nlabk&AN=2544726
Lecun, Y., Bottou, L., Bengio, Y., & Haffner, P. (1998). Gradient-based learning applied to document recognition. Proceedings of the IEEE, 86(11), 2278–2324. https://doi.org/10.1109/5.726791
Marcella, D., Yohannes, Y., & Devella, S. (2022). Klasifikasi Penyakit Mata Menggunakan Convolutional Neural Network Dengan Arsitektur VGG-19. Jurnal Algoritme, 3(1), 60–70. https://doi.org/10.35957/algoritme.v3i1.3331
Naufal, M. F. (2021). Analisis Perbandingan Algoritma SVM, KNN, dan CNN untuk Klasifikasi Citra Cuaca. Jurnal Teknologi Informasi Dan Ilmu Komputer, 8(2), 311–318. https://doi.org/10.25126/jtiik.2021824553
Naufal, M. F., & Kusuma, S. F. (2022). Weather image classification using convolutional neural network with transfer learning. 050004. https://doi.org/10.1063/5.0080195
Rizal, F., Hasyim, F., Malik, K., & Yudistira, Y. (2022). Implementasi Algoritma Convolutional Neural Networks (CNN) Untuk Klasifikasi Batik. COREAI: Jurnal Kecerdasan Buatan, Komputasi Dan Teknologi Informasi, 2(2), 40–47. https://doi.org/10.33650/coreai.v2i2.3365
Sewak, M., Karim, Md. R., & Pujari, P. (2018). Practical Convolutional Neural Networks: Implement advanced deep learning models using Python. Packt Publishing.
Sharma, A., & Ismail, Z. S. (2022). Weather Classification Model Performance: Using CNN, Keras-Tensor Flow. ITM Web of Conferences, 42, 01006. https://doi.org/10.1051/itmconf/20224201006
Suryanto. (2014). Artificial Intelligence : Searching, Reasoning, Planning, Dan Learning . Informatika.
Suyanto, Ramadhani, K. N., & Mandala, S. (2019). Deep learning : modernisasi machine learning untuk big data. Penerbit Informatika Bandung.
Wibawa, M., Sunarmi, S., & Soewarlan, S. (2024). Transformasi Digital Sebagai Strategi Kenusantaraan Warisan Budaya: Studi AI Pada Kereta Kencana Paksi Naga Liman. MAVIS : Jurnal Desain Komunikasi Visual, 6(01), 1–11. https://doi.org/10.32664/mavis.v6i01.1187
