Peneliti Polinela “Pindai Segar” di lahan pertanian Pekon Srikaton, Kecamatan Adiluwih, Kabupaten Pringsewu | LAMPUNGPRO.CO/Ist

Data yang digunakan berjumlah 5.998 foto sayuran. Saat diperiksa, banyak di antaranya ternyata kembar atau nyaris identik, sehingga ribuan foto itu hanya membentuk 3.237 kelompok gambar unik. Agar model tidak sekadar “menghafal” gambar yang pernah dilihatnya, pembagian data dilakukan per kelompok: 4.471 foto untuk melatih model, 673 foto untuk validasi, dan 854 foto untuk pengujian akhir.

Lebih Akurat, tetapi Lebih Berat

Swin Transformer merupakan salah satu arsitektur deep learning terbaru untuk pengolahan gambar. Model ini membaca foto per bagian dalam “jendela-jendela” kecil yang posisinya digeser secara bertahap, sehingga detail kecil dan gambaran utuh sebuah foto dapat ditangkap sekaligus. Dalam penelitian ini, Swin Transformer (versi Swin-Tiny) dibandingkan dengan Convolutional Neural Network (CNN) jenis ResNet-18, model pengolah gambar dari generasi sebelumnya.

Hasil uji pada 854 foto menunjukkan Swin Transformer unggul di seluruh ukuran kinerja. Akurasinya mencapai 94,96 persen, sedangkan CNN 91,33 persen. Sederhananya, dari setiap 100 foto sayuran, Swin Transformer menebak kondisinya dengan benar pada sekitar 95 foto, sementara CNN sekitar 91 foto.

Keunggulan serupa terlihat pada precision (94,86 persen berbanding 90,71 persen), recall (94,40 persen berbanding 89,74 persen), dan F1-score (94,58 persen berbanding 89,97 persen). Ketiga ukuran itu menggambarkan seberapa tepat tebakan model sekaligus seberapa sedikit sayuran yang luput dikenali.