Hybrid Algoritma Vgg16-Net Dengan Support Vector Machine Untuk Klasifikasi Jenis Buah dan sayuran

Arsitektur deep learning VGG16 terbukti efektif dalam hal melakukan klasifikasi citra pada dataset ImageNet, akan tetapi memiliki keterbatasan jumlah parameter sangat banyak dan potensi overfitting kecil. SVM kelebihan menangani masalah yang relatif kecil, sementara keunggulan mengekstraksi fitur berkualitas dari dengan performa baik. juga dapat membantu memperbaiki kinerja meminimalkan risiko meningkatkan akurasi Oleh karena itu, penulis memilih untuk hybrid algoritma VGG16Net Dengan Support Vector Machine Untuk Klasifikasi Jenis buah sayuran, nantinya arsitektur digunakan ekstraksi fitur-fitur tersebut dijadikan input SVM. Keputusan menggunakan digabungkan adalah Namun, penggunaan membutuhkan pemilihan tepat teknik prapemrosesan data mencapai hasil Dan penelitian ini berhasil mengklasifikasikan sebelum svm mendapatkan 94.52% training accuracy testing (validation) sebesar 87.85%. loss mendapat 0.58 12.5%. Setelah dilakukan vgg16 didapatkan 99.87 % 91.76 %. 0.13 8.24%. CNN VGG-16Net menghasilkan model baik, terutama kecil menjadi pilihan sesuai citra.