Klasifikasi daun teh gambung varietas assamica menggunakan convolutional neural network dengan arsitektur lenet-5

Indonesia merupakan salah satu pengolahan produk teh gambung terbesar. Produk teh gambung dihasilkan dengan jenis teh yang berbeda. Namun, kualitas system pengolahan produk mengalami penurunan dikarenakan pekebun sulit membedakan jenis daun teh produksi dengan daun teh unggul dan masih menggunakan prosedur pengolahan daun secara manual. Diketahui, daun teh gambung memiliki 11 klon jenis. Daun teh GMB (1-11) merupakan klon unggul jenis teh dari jenis assamica maupun jenis sinensis dari hasil riset Pusat Penelitian Teh dan Kina (PPTK). Oleh karena itu, diperlukan teknologi pengenalan jenis daun teh sebagai peningkatan kualitas produk. Penelitian ini membuat metode klasifikasi, yaitu dengan menggunakan metode Convolutional Neural Network (CNN) sebagai algoritma klasifikasi. Proses klasifikasi data citra daun akan diuji dengan kelas sebanyak 11 jenis daun klon dan jumlah dataset diaugmentasi sebesar 4400 data. Arsitektur LeNet-5 akan digunakan pada pengujian model klasifikasi. Proses klasifikasi memperoleh hasil terbaik dengan nilai akurasi sebesar 94.55% dengan parameter optimizer Adam dan learning rate yang digunakan sebesar 0.001.