DeepSun: Klasifikasi Fase Cahaya Matahari Berdasarkan Warna Menggunakan CNN
DOI:
https://doi.org/10.35143/jkt.v9i2.6182Kata Kunci:
deep sun, cnnAbstrak
Penelitian ini berbasis metode DeepSun, sebuah sistem yang menggunakan Jaringan Syaraf Tiruan Konvolusi (CNN) untuk mengklasifikasikan fase cahaya matahari berdasarkan warna. Fase cahaya seperti Golden Hour, Blue Hour, dan Pink Hour memiliki karakteristik visual yang khas, dan mengidentifikasi fase cahaya ini secara otomatis dapat memberikan pemahaman yang lebih baik tentang suasana dan estetika suatu gambar. Pendekatan yang diusulkan menggunakan dataset yang terdiri dari gambar-gambar yang dikumpulkan selama berbagai kondisi cahaya matahari. Data tersebut dianotasi dengan label fase cahaya yang sesuai. CNN digunakan untuk mengekstraksi fitur-fitur penting dari gambar-gambar ini. Kemudian, fitur-fitur tersebut digunakan sebagai input untuk pengklasifikasi yang dilatih menggunakan algoritma pembelajaran mesin. Eksperimen dilakukan untuk mengevaluasi kinerja sistem DeepSun. Hasil-hasil yang diperoleh menunjukkan bahwa sistem ini mampu mengklasifikasikan fase cahaya matahari dengan tingkat akurasi yang tinggi. Kesalahan klasifikasi terutama terjadi saat kondisi cahaya yang sangat mirip antara fase-fase tertentu. Namun, dengan meningkatkan jumlah data latih dan peningkatan arsitektur CNN, tingkat akurasi dapat ditingkatkan lebih lanjut. Dengan kemampuan untuk mengklasifikasikan fase cahaya matahari secara otomatis, DeepSun dapat membantu pengguna untuk memilih waktu yang tepat dalam mengambil gambar yang berkualitas. Selain itu, sistem ini juga dapat digunakan untuk meningkatkan pemrosesan gambar otomatis dan pengeditan yang berbasis pada fase cahaya yang diinginkan.Unduhan
Referensi
Alotaibi, A., & Mahmood, A.. “Automatic Segmentation and Classification of Sun Phase Images Using Convolutional Neural Networks”. IEEE Access, 9,2021, 131119-131134.
Sheppard, C., Chilcott, A., & Wong, K. W. (2021). Sun Classifications Using Convolutional Neural Networks for Astronomical Image Data. In Proceedings of the International MultiConference of Engineers and Computer Scientists (IMECS), Vol II.
Liu, J., Liu, J., Guo, T., & Chen, L. 2021. Sun Exposure Classification Based on Deep Learning. In 2021 IEEE 12th International Conference on Software Engineering and Service Science (ICSESS) (pp. 1325-1328). IEEE.
Gupta, P., Kumar, S., & Mandal, J. K. 2020. Solar Phase Recognition using CNN. In 2020 11th International Conference on Computing, Communication and Networking Technologies (ICCCNT) (pp. 1-5). IEEE.
I. Wulandari, H. Yasin, and T. Widiharih, “Klasifikasi Citra Digital Bumbu Dan Rempah Dengan Algoritma Convolutional Neural Network (CNN),” J. Gaussian, vol. 9, no. 3, pp. 273–282, 2020, doi: 10.14710/j.gauss.v9i3.27416.
F. F. Maulana and N. Rochmawati, “Klasifikasi Citra Buah Menggunakan Convolutional Neural Network,” J. Informatics Comput. Sci., vol. 01, pp. 104–108, 2019.
C. Umam and L. Budi Handoko, “Convolutional Neural Network (CNN) Untuk Identifkasi Karakter Hiragana,” Pros. Semin. Nas. Lppm Ump, vol. 0, no. 0, pp. 527–533, 2020.
A. R. Maulana and N. Rochmawati, “Opinion Mining Terhadap Pemberitaan Corona di Instagram menggunakan Convolutional Neural Network,” JINACS J. Informatics Comput. Sci., vol. 02, no. 01,2020, pp. 53–59
A. Kholik, A. Harjoko, and W. Wahyono, “Classification of Traffic Vehicle Density Using Deep Learning,” IJCCS (Indonesian J. Comput. Cybern. Syst., vol. 14, no. 1, p. 69, 2020, doi: 10.22146/ijccs.50376
Z. J. Wang et al., “CNN Explainer: Learning Convolutional Neural Networks with Interactive Visualization,” Apr. 2020, doi: 10.1109/TVCG.2020.3030418.
A. Peryanto, A. Yudhana, and R. Umar, “Klasifikasi Citra Menggunakan Convolutional Neural Network dan K Fold Cross Validation,” 2020. [Online]. Available: http://jurnal.polibatam.ac.id/index.php/JAIC
F. Fitra Maulana and N. Rochmawati, “Klasifikasi Citra Buah Menggunakan Convolutional Neural Network,” vol. 01, no. 02, 2019.
E. N. Arrofiqoh and H. Harintaka, “Implementasi Metode Convolutional Neural Network untuk Klasifikasi Tanaman pada Citra Resolusi Tinggi,” vol. 24, no. 2, p. 61, Nov. 2018, doi: 10.24895/jig.2018.24- 2.810.
Lorentius, C.A dkk.. “Pengenalan Aksara Jawa dengan Menggunakan Metode Convolutional Neural Network”. Jurnal Infra Vol.7, No.1.2019.
Arrofiqoh, Erlyna Nour dan Harintaka.. Implementasi Metode Convolutional Neural Network untuk Klasifikasi Tanaman pada Citra Resolusi Tinggi. Jurnal Geomatika. Vol : 24, No : 2. 61-68, 2018
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2023 Jurnal Komputer Terapan
Artikel ini berlisensiCreative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Penulis yang mempublikasikan naskah pada jurnal ini setuju tentang hal-hal berikut ini:
- Penulis memegang hak cipta untuk proses, prosedur, atau artikel yang dideskripsikan pada naskah dan memberikan hak kepada jurnal untuk pertama kali mempublikasikan naskah dibawah Creative Commons Attribution License yang memperbolehkan orang lain untuk menyebarkan hasil penelitian dengan pengakuan hak cipta penulis dan jurnal.
- Penulis memegang hak untuk mempublikasikan kembali semua atau sebagian hasil penelitian pada naskah lain tetapi tidak memberikan hak kepada pihak ketiga lain untuk mencetak dan mempublikasikan ulang hasil penelitian yang sama.
- Penulis diperbolehkan dan disarankan untuk menginformasikan naskah yang telah terbit secara online (seperti pada repository institusi atau website milik penulis) yang akan meningkatkan produktivitas rujukan dan sitasi dari naskah yang telah terbit.
Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-NonKomersial-BerbagiSerupa 4.0 Internasional.
