Klasifikasi Citra Buah Apel Multikelas Menggunakan Transfer Learning dan Implementasi Inferensi Berbasis Web

Sri Aryanti; Gustam Efendi; Yanti Setiyowati; Charles Butar Butar; Hendriyanto

doi:10.32493/epic.v8i2.58702

Authors

Sri Aryanti Sekolah Tinggi Teknologi Bina Tunggal
Gustam Efendi Sekolah Tinggi Teknologi Bina Tunggal
Yanti Setiyowati Sekolah Tinggi Teknologi Bina Tunggal
Charles Butar Butar Sekolah Tinggi Manajemen Ilmu Komputer Pranata Indonesia
Hendriyanto Sekolah Tinggi Manajemen Ilmu Komputer Pranata Indonesia

DOI:

https://doi.org/10.32493/epic.v8i2.58702

Keywords:

Deep Learning, CNN, Transfer Learning, Klasifikasi Buah, Hugging Face API

Abstract

Pesatnya perkembangan teknologi kecerdasan buatan membuka peluang besar dalam modernisasi sektor hortikultura, khususnya pada otomatisasi identifikasi komoditas. Penelitian ini bertujuan untuk mengintegrasikan metode transfer learning ke dalam sistem klasifikasi citra buah apel multikelas yang terhubung dengan layanan inferensi berbasis web. Permasalahan utama yang diangkat adalah ketergantungan industri pada proses identifikasi varietas secara konvensional yang memiliki risiko tinggi terhadap subjektivitas manusia, inefisiensi waktu, dan kesalahan penentuan jenis. Metodologi penelitian ini menerapkan pendekatan deep learning dengan memanfaatkan arsitektur Convolutional Neural Network (CNN) melalui teknik transfer learning untuk mengenali enam varietas apel unggulan. Pengembangan sistem dilakukan dengan membangun antarmuka web menggunakan bahasa pemrograman PHP yang berfungsi menjembatani pengguna dengan model prediktif melalui Hugging Face Inference API. Mekanisme ini memungkinkan pemrosesan data citra dilakukan secara real-time tanpa memerlukan komputasi lokal yang berat. Hasil pengujian menunjukkan bahwa penggabungan model pembelajaran mendalam dengan infrastruktur berbasis cloud mampu menghasilkan sistem klasifikasi yang tidak hanya memiliki tingkat akurasi tinggi, tetapi juga menawarkan kemudahan akses bagi pengguna akhir. Implementasi ini diharapkan dapat menjadi prototipe bagi sistem penyortiran buah otomatis yang lebih efisien dan reliabel di masa depan.

References

Amani, J., Laryea, E. T., & Adjei, O. (2021). Integration of Machine Learning Models into Web Applications Using API Endpoints. Journal of Software Engineering and Applications, 14(8), 384-395.

Dosovitskiy, A., Beyer, L., Kolesnikov, A., Weissenborn, D., Zhai, X., Unterthiner, T., Dehghani, M., Minderer, M., Heigold, G., Gelly, S., Uszkoreit, J., & Houlsby, N. (2021). An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale. International Conference on Learning Representations (ICLR).

Giarratano, J. C., & Riley, G. D. (2005). Expert Systems: Principles and Programming. Course Technology.

Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning. MIT Press.

Hameed, K., Chai, D., & Rassau, A. (2020). A Comprehensive Review of Fruit and Vegetable Classification Techniques Using Computer Vision. IEEE Access, 8, 131295-131314.

He, K., Zhang, X., Ren, S., & Sun, J. (2016). Deep Residual Learning for Image Recognition. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 770–778.

Hussain, M., Bird, J. J., & Faria, D. R. (2020). A Study on CNN Transfer Learning for Image Classification. UK Workshop on Computational Intelligence, 191-202.

Kingma, D. P., & Ba, J. (2015). Adam: A Method for Stochastic Optimization. International Conference on Learning Representations (ICLR).

Koirala, A., Walsh, K. B., Wang, Z., & McCarthy, C. (2019). Deep learning for real-time fruit detection and orchard yield estimation: A review. Computers and Electronics in Agriculture, 162, 407–434.

LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep Learning. Nature, 521(7553), 436–444.

Li, C., Hu, X., & Zhang, L. (2018). Performance Evaluation of Cloud-Based Machine Learning API Services. IEEE International Conference on Cloud Computing, 115-122.

Luger, G. F. (2005). Artificial Intelligence: Structures and Strategies for Complex Problem Solving. Pearson Education.

Pan, S. J., & Yang, Q. (2010). A Survey on Transfer Learning. IEEE Transactions on Knowledge and Data Engineering, 22(10), 1345–1359.

Prechelt, L. (2012). Early Stopping — But When?. In: Montavon, G., Orr, G. B., Müller, K. R. (eds) Neural Networks: Tricks of the Trade. Lecture Notes in Computer Science, vol 7700. Springer.

Shorten, C., & Khoshgoftaar, T. M. (2019). A survey on Image Data Augmentation for Deep Learning. Journal of Big Data, 6(1), 1-48.

Siddiqi, R. (2019). Fruit Classification Using Deep Learning. Software Engineering, 7(4), 77-83.

Silva, L. C., & Patel, P. (2021). Simple Vision System for Apple Varieties Classification. Industria: Jurnal Teknologi dan Manajemen Agroindustri, 10(3), 221–232.

Srivastava, S., & Bhambhu, L. (2021). Web-based Image Classification Using Convolutional Neural Networks and Cloud Inference. Journal of Physics: Conference Series, 1963(1), 012143.

Wolf, T., Debut, L., Sanh, V., Chaumond, J., Delangue, C., Moi, A., Cistac, P., Rault, T., Louf, R., Funtowicz, M., Davison, J., Shleifer, S., von Platen, P., Ma, C., Jernite, Y., Plu, J., Xu, C., Le Scao, T., Gugger, S., ... Rush, A. M. (2020). Transformers: State-of-the-Art Natural Language Processing. Proceedings of the 2020 Conference on Empirical Methods in Natural Language Processing: System Demonstrations, 38–45.