Perbandingan Algoritma Xception dan VGG16 Untuk Pengenalan Lebah Pollen-Bearing

Abstract

Dengan adanya pengamatan yang terjadwal akan membantu pemelihara lebah dalam mengetahui penyakit lebah, kesehatan sarang lebah dan racun yang mungkin terbawa oleh lebah. Jika ini dapat dilakukan dengan bantuan komputer, maka ini akan mengurangi waktu dan biaya pemeliharaan lebah. Selain itu, produksi madu dan sarang akan akan meningkat baik dari sisi kualitas maupun kuantitas. Penelitian ini bertujuan membuat analisis performa kinerja algoritma Xception dan VGG16 untuk pengenalan lebah pollen-bearing. Pada hasil eksperimen diatas model VGG16 dengan fine_tuning memperoleh nilai akurasi testing terbaik yaitu 83.33%. Begitu juga dengan nilai Cohens kappa, F1_score, ROC AUC, Precision, dan Recall terbaik diperoleh model VGG16 dengan fine_tuning. Untuk model Xception terbaik diperoleh dengan tanpa fine tuning yaitu sebesar 72.22%. pada hasil eksperimen ini diperoleh kesimpulan pre-trained model VGG16 dengan fine_tuning lebih cocok digunakan pada dataset bee_pollen dibandingkan dengan model Xception baik dengan fine_tuning ataupun tanpa fine_tuning.