Klasifikasi Jenis Rempah Menggunakan Convolutional Neural Network dan Transfer Learning

Putra, Alvin Eka and Naufal, Mohammad Farid and Prasetyo, Vincentius Riandaru (2023) Klasifikasi Jenis Rempah Menggunakan Convolutional Neural Network dan Transfer Learning. Jurnal Edukasi dan Penelitian Informatika, 9 (1). pp. 12-17. ISSN 2460-0741; E-ISSN 2548-9364

PDF Mohammad Farid Naufal_Klasifikasi Jenis Rempah.pdf Download (3MB)

Abstract

Rempah merupakan salah satu kekayaan yang dimiliki oleh Indonesia. Berdasarkan data yang dimiliki Negari Rempah Foundation, terdapat sekitar 400 hingga 500 spesies rempah di dunia dan 275 jenis rempah terdapat di Asia Tenggara terutama di Indonesia. Jenis rempah beragam dan memiliki kemiripan satu dengan yang lain sehingga sulit untuk dibedakan. Maka dari itu untuk mempertahankan pengetahuan mengenai rempah-rempah yang dimiliki Indonesia, diperlukan aplikasi klasifikasi jenis rempah yang akurat sehingga pengetahuan masyarakat tentang rempah tetap terjaga. Selain itu di bidang industri dapat meningkatkan efisiensi dalam industri rempah. Penggunaan teknologi dalam klasifikasi jenis rempah dapat meningkatkan efisiensi dalam industri rempah. Dengan teknologi yang tepat, waktu yang dibutuhkan untuk mengidentifikasi jenis rempah dapat dipercepat, dan juga meminimalkan risiko kesalahan manusia. Keterbatasan citra rempah juga menjadi permasalahan pada klasifikasi jenis rempah. Convolutional Neural Network (CNN) dengan arsitektur transfer learning adalah metode klasifikasi citra yang memiliki performa yang baik pada dataset dengan jumlah yang terbatas. Eksperimen yang dilakukan menggunakan 6 arsitketur CNN, yaitu Xception, MobileNetV2, DenseNet201, VGG16, VGG19, dan ResNet50. Terdapat 10 jenis rempah yang diklasifikasikan yaitu jahe, kunyit, kunci, adas, merica, laos, jintan, kencur, temulawak, dan ketumbar. Berdasarkan hasil eksperimen yang dilakukan Xception adalah arsitektur terbaik dengan F1 Score sebesar 96.99%.

Item Type:	Article
Uncontrolled Keywords:	CNN, Rempah, Deep Learning, Transfer Learning
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Faculty of Engineering > Department of Informatic
Depositing User:	MOHAMMAD FARID NAUFAL
Date Deposited:	25 Apr 2023 12:21
Last Modified:	11 Oct 2024 11:08
URI:	http://repository.ubaya.ac.id/id/eprint/44037

Actions (login required)

View Item