Klasifikasi Pedang Bagus dan Rusak Menggunakan Algoritma Convolutional Neural Network

Abstrak

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.