IDENTIFIKASI JENIS REMPAH-REMPAH INDONESIA DENGAN CONVOLUTIONAL NEURAL NETWORK (CNN) MENGGUNAKAN ARSITEKTUR VGG16

  • Raihan Maulana Ilmu Komputer, Universitas Negeri Medan
  • Raisya Dwi Zahra Putri Ilmu Komputer, Universitas Negeri Medan
  • Tasya Ade Amelia Ilmu Komputer, Universitas Negeri Medan
  • Hermawan Syahputra Ilmu Komputer, Universitas Negeri Medan
  • Fanny Ramadhani Ilmu Komputer, Universitas Negeri Medan
Keywords: Rempah-rempah, Klasifikasi, Convolutional Neural Network (CNN)

Abstract

Indonesia merupakan negara yang kaya akan rempah-rempah alami, sebuah kekayaan alam yang telah menjadi bagian integral dari budaya dan ekonomi nasional. Rempah-rempah Indonesia tidak hanya digunakan dalam masakan sehari-hari tetapi juga diekspor ke berbagai negara, menjadikannya komoditas penting yang perlu dijaga keberadaannya dengan baik. Meskipun begitu, membedakan berbagai jenis rempah menjadi tantangan bagi sebagian masyarakat. Hal ini disebabkan oleh kurangnya pengetahuan masyarakat tentang bentuk asli rempah, serta minimnya keterlibatan langsung dalam pengolahannya. Kesulitan ini berdampak pada pengenalan dan penggunaan rempah yang kurang optimal, baik di tingkat rumah tangga maupun industri. Untuk mengatasi tantangan ini, penelitian ini bertujuan mengembangkan sebuah sistem berbasis teknologi yang dapat membantu masyarakat mengenali berbagai jenis rempah secara akurat. Sistem yang dikembangkan menggunakan Convolutional Neural Network (CNN) dengan arsitektur VGG16, yang dirancang untuk mengidentifikasi berbagai jenis rempah-rempah secara efektif dan efisien. CNN telah terbukti sebagai metode pembelajaran mendalam yang sangat efektif dalam mengklasifikasikan objek berdasarkan ciri-ciri visualnya. Dalam penelitian ini, dataset citra rempah terdiri dari tiga puluh satu kelas, masing-masing kelas memiliki 210 citra, dengan total 6510 citra. Model CNN yang digunakan dalam penelitian ini mengimplementasikan arsitektur VGG16, yang terdiri dari beberapa lapisan konvolusi untuk mengekstraksi fitur visual dari citra, diikuti oleh lapisan fully connected untuk melakukan klasifikasi. Hasil penelitian menunjukkan bahwa model CNN yang dikembangkan berhasil mencapai akurasi tertinggi sebesar 86,66% dalam mengklasifikasikan citra-citra rempah. Akurasi ini menunjukkan bahwa model mampu mengenali berbagai jenis rempah dengan cukup baik, meskipun terdapat beberapa kelas yang masih mengalami kesulitan dalam prediksi. Pendekatan ini tidak hanya memberikan solusi modern namun juga mudah diakses untuk mengenali rempah-rempah, sehingga dapat membantu masyarakat dalam membedakan jenis-jenis rempah secara lebih efektif dan efisien.

Downloads

Download data is not yet available.
Published
2024-06-30