Klasifikasi Pedang Bagus dan Rusak Menggunakan Algoritma Convolutional Neural Network
Kata Kunci:
Convolutional Neural Network, Klasifikasi Citra, Computer Vision, Pedang, Deep LearningAbstrak
Pemeriksaan kualitas pedang secara manual masih memiliki keterbatasan seperti subjektivitas penilaian dan ketidakkonsistenan hasil. Oleh karena itu, penelitian ini bertujuan mengembangkan sistem klasifikasi kualitas pedang secara otomatis menggunakan pendekatan computer vision berbasis Convolutional Neural Network (CNN). Dataset yang digunakan terdiri dari 800 citra pedang, yaitu 400 citra pedang bagus dan 400 citra pedang rusak. Metode penelitian menggunakan pendekatan kuantitatif dengan metode eksperimen, di mana model CNN dilatih dan diuji menggunakan data citra digital melalui platform Google Colab. Arsitektur CNN terdiri dari lapisan konvolusi, pooling, dan fully connected. Evaluasi kinerja model dilakukan menggunakan confusion matrix untuk memperoleh nilai akurasi, precision, dan recall. Hasil pengujian menunjukkan bahwa model CNN lebih baik dalam mengenali pedang rusak dibandingkan pedang bagus, dengan akurasi sebesar 60,58%. Meskipun akurasi belum optimal, hasil penelitian menunjukkan bahwa CNN mampu mengenali pola visual dasar pada citra pedang dan berpotensi dikembangkan sebagai sistem klasifikasi kualitas pedang secara otomatis.
Referensi
A. P. Nandika et al., “Deteksi kondisi uang bagus dan rusak dengan pengolahan citra digital berbasis CNN,” J. Media Infotama, vol. 21, no. 1, pp. 340–348, 2025.
D. Indarti, “Pengendalian Kualitas Produksi Lembaran Baja Melalui Klasifikasi Jenis Cacat Permukaan Menggunakan CNN,” J. Rekayasa Sist. Ind., vol. 12, no. 2, pp. 165–172, 2023, doi: 10.26593/jrsi.v12i2.5862.165-172.
R. L. Gaho, I. T. Ali, and E. Prakasa, “Klasifikasi Kualitas Permukaan Jalan Raya Menggunakan Metode Cnn Berbasis Arsitektur Xception,” INOVTEK Polbeng - Seri Inform., vol. 9, no. 1, pp. 354–365, 2024, doi: 10.35314/isi.v9i1.4213.
N. B. Pamungkas and A. Suhendar, “Penerapan Metode Convolutional Neural Network pada Sistem Klasifikasi Penyakit Tanaman Apel berdasarkan Citra Daun,” Edumatic J. Pendidik. Inform., vol. 8, no. 2, pp. 675–684, 2024, doi: 10.29408/edumatic.v8i2.27958.
S. Ashillah, S. Adventino Gulo, Y. Rahmi, and D. Yandra Niska, “Implementasi Algoritma Pengolahan Citra Digital untuk Perbaikan Kualitas Gambar,” J. SISKOM-KB (Sistem Komput. dan Kecerdasan Buatan), vol. 8, no. 3, pp. 274–280, 2025, doi: 10.47970/siskom-kb.v8i3.823.
N. P. Sari, “Analisis Performa Algoritma CNN dalam Klasifikasi Citra Medis Berbasis Deep Learning Analysis Of CNN Algorithm In Deep Learning-Based Medical Image Classification,” J. Komput., vol. 2, no. 2, pp. 87–92, 2024.
G. A. Pratama, E. Y. Puspaningrum, and H. Maulana, “Convolutional Neural Network Dan Faster Region Convolutional Neural Network Untuk Klasifikasi Kualitas Biji Kopi Arabika,” J. Inform. dan Tek. Elektro Terap., vol. 12, no. 3, pp. 2776–2785, 2024, doi: 10.23960/jitet.v12i3.4887.
S. R. D. Amiril, “Implementasi Algoritma Convolutional Neural Network Pada Klasifikasi Penyakit Padi Melalui Citra Daun,” Dspace.Uii.Ac.Id, p. 23, 2020, [Online]. Available: https://dspace.uii.ac.id/handle/123456789/30189%0Ahttps://dspace.uii.ac.id/bitstream/handle/123456789/30189/16611043 Siti Rahmah Danur Amiril.pdf?sequence=1
D. W. Pratama, M. Ismail, R. Nurraudah, A. P. Rifai, and H. T. Nguyen, “Classification of Metal Surface Defects Using Convolutional Neural Networks (CNN),” Green Intell. Syst. Appl., vol. 5, no. 1, pp. 93–105, 2025, doi: 10.53623/gisa.v5i1.581.
F. Huda and M. P. K. Putra, “Klasifikasi Buah Pisang,” vol. 1, no. 3, pp. 100–105, 2023, [Online]. Available: https://ejournal.techcart-press.com/index.php/jaiti/article/view/61/57
P. S. Bimbingan, F. Ilmu, P. Dan, P. Sosial, and U. I. Pgri, “PROPOSAL PENELITIAN KUALITATIF ‘ Penerapan Teknologi Informasi dalam kegiatan Guru Bimbingan Konseling di Sekolah Menengah Kejuruan ( SMK ) 10 Jakarta Timur ’ Dosen Pengampu : Lusiana Wulansari , S . P ., M . Pd . Disusun oleh : Nuraya Adhyatma,” 2020.
R. Kusumawardani and P. D. Karningsih, “Deteksi dan Klasifikasi Cacat Kemasan Kaleng Menggunakan Convolutional Neural Network,” PROZIMA (Productivity, Optim. Manuf. Syst. Eng., vol. 4, no. 1, pp. 1–11, 2020.
