Kayu merupakan bahan baku utama dalam konstruksi rumah dan industri
manufaktur perabot rumah tangga, seperti lemari, pintu, dan kursi. Kualitas kayu sangat
mempengaruhi nilai ekonomis produk akhir, sehingga pemilihan jenis kayu yang tepat
menjadi sangat penting. Setiap jenis kayu memiliki pola dan warna yang khas. Proses
identifikasi jenis kayu sering kali memerlukan keahlian khusus, karena setiap jenis kayu
memiliki karakteristik fisik yang unik, seperti pola dan warna. Keahlian ini melibatkan
kemampuan untuk mengenali dan membedakan jenis kayu berdasarkan detail-detail yang
mungkin sulit diidentifikasi oleh orang awam.
Penelitian ini mengimplementasikan klasifikasi citra jenis kayu lokal, seperti
akasia, glugu, jati, jati belanda, mahoni, nangka, pinus, dan sengon, dengan
membandingkan dua model Convolutional Neural Network (CNN), yaitu Xception dan
MobileNetV2. Hasil penelitian menunjukkan bahwa kedua model menghasilkan tingkat
akurasi yang tinggi, dengan Xception mencapai akurasi 94% dan MobileNetV2 mencapai
89%. Pada percobaan lanjutan, setelah dilakukan fine-tuning, akurasi model Xception
meningkat menjadi 99% dan MobileNetV2 mencapai 90%. Analisis menunjukkan bahwa
akurasi model dipengaruhi oleh berbagai faktor, seperti pemilihan model, jumlah data
pelatihan, jumlah fine-tunning serta jumlah epoch yang digunakan.