Description

Tujuan project : melakukan klasifikasi jenis tanah. Klasifikasi termasuk dalam klasifikasi multi-kelas

Dataset diambil dari : https://www.kaggle.com/datasets/jhislainematchouath/soil-types-dataset

Gambar 1. Contoh gambar yang ada pada dataset

Data set image tanah terdiri dari 2 kategori yaitu data train dan data test. Setiap data train dan data test mempunyai data image 4 jenis (kelas) tanah yaitu alluvial soil, black soil, clay soil, dan red soil. Persiapan data augmentation dan preprocessing menggunakan ImageGenerator. Data yang digunakan adalah data train.

Gambar 2. Train generator dan validation generator

Arsitektur model menggunakan model sequential dengan 1 Input Layer, 3 Convolutional Layer, 2 Hidden layer.

Gambar 3. Model summary

Pelatihan model menggunakan callbacks untuk mencapai accuracy dan val accuracy diatas 85%. Dengan menggunakan callbacks ini iterasi untuk mendapatkan model terbaik dilakukan hingga 20 epochs dengan accuracy sebesar 0.9492, loss sebesar 0.073, val accuracy sebesar 0.8673, dan val lost sebesar 0.1641

Gambar 4. Callbacks

Evaluasi model dengan melihat validation loss dan validation accuracy

Gambar 5. Grafik (a) accuracy validation dan (b) loss validation

Model yang sudah dibuat digunakan untuk memprediksi data image pada folder data test. Semua data image di folder data test diuji dengan model yang sudah dibuat dan dilihat berapa persen data yang berhasil diprediksi dengan benar. Hasil prediksi menggunakan data Test ditunjukkan pada Tabel 1 dibawah ini. Secara umum hasil nya cukup bagus kecuali pada jenis alluvial soil yang menunjukkan presentase yang agak rendah. Kemungkinan langkah perbaikan adalah dengan memperbanyak database pada dataset test untuk kategori (kelas) 'Alluvial soil'.

Gambar 6. code untuk membaca semua gambar test dan menghitung presentase prediksi yang benar

Tabel 1. Persentase jumlah prediksi yang tepat menggunakan data test