Klasifikasi Cuaca Berbasis Citra dengan Model CNN LeNet-5 yang Dimodifikasi

Perkembangan teknologi di bidang informasi cuaca sangatlah dibutuhkan khususnya bagi seluruh aspek kehidupan. Untuk mengenali, mempelajari, hingga mendeteksi kondisi cuaca yang terjadi, perlu adanya teknik klasifikasi dengan bantuan artificial intelligence. Model klasifikasi yang digunakan adalah convolutional neural network (CNN) dengan arsitektur LeNet-5 yang dimodifikasi. Tujuan dari penelitian ini untuk menguji kinerja model terhadap klasifikasi kondisi cuaca cerah, cerah berawan, berawan dan hujan, serta mengetahui akurasi yang dihasilkan dan pengaplikasiannya. Dengan model tersebut. Ukuran citra yang digunakan adalah 224x224, ukuran batch 32, learning rate 0,0001 dan dilatih dengan 50 epoch. Pada proses pelatihan model, dibuat 8 skenario berbeda yang melibatkan teknik augmentasi dan tanpa augmentasi, serta penggunaan salah satu fungsi callbacks berupa earlystopping. Model CNN yang menggunakan augmentasi dan earlystopping dengan nilai patience 5 menghasilkan perform yang paling baik karena mencapai akurasi hingga 94%. Model tersebut diimplementasikan pada situs web yang di-host secara lokal dan menghasilkan prediksi yang sesuai dengan kondisi cuaca yang terjadi.