Klasifikasi Kategori Cuaca Berdasarkan Citra Menggunakan VGG-16

Abstract

Penelitian ini bertujuan untuk mengklasifikasikan kondisi cuaca seperti Berawan, Cerah, dan Terbit, menggunakan citra digital dengan pendekatan otomatis berbasis Convolutional Neural Network (CNN). Arsitektur VGG-16 dipilih karena kemampuannya dalam mengekstraksi fitur detail melalui lapisan konvolusional bertingkat. Dataset yang digunakan berisi 910 citra, dibagi menjadi tiga kategori, dan diolah menggunakan VGG-16 untuk menghasilkan vektor fitur berdimensi 4096. Klasifikasi dilakukan dengan jaringan saraf tiruan yang memiliki tiga lapisan tersembunyi, dan evaluasi model menggunakan metode 10-fold cross-validation. Metrik yang digunakan untuk menilai kinerja model adalah akurasi, presisi, dan recall. Hasil penelitian menunjukkan bahwa VGG-16 mampu mengklasifikasikan citra dengan akurasi sebesar 96,48%, dengan performa terbaik pada kelas Berawan, Cerah, dan Terbit, yaitu masing-masing 96%, 95,5%, dan 97,2%. Meskipun model menunjukkan akurasi tinggi, tantangan masih ada dalam membedakan citra dengan fitur visual yang serupa, seperti intensitas cahaya dan formasi awan. Kesimpulannya, VGG-16 efektif dalam klasifikasi kondisi cuaca berbasis citra digital, namun memerlukan pengembangan lebih lanjut untuk mengatasi kesalahan klasifikasi akibat kemiripan visual antara kategori cuaca