KLASIFIKASI JENIS REMPAH-REMPAH ALAMI UNTUK KECANTIKAN MENGGUNAKAN DENSNET 121

Abstract

Indonesia dikenal dengan kekayaan rempah-rempah yang memiliki banyak manfaat dalam masakan, kesehatan, dan kecantikan. Namun, kesulitan dalam membedakan berbagai jenis rempah dengan bentuk dan warna yang mirip menjadi masalah yang sering dihadapi. Penelitian ini bertujuan untuk menerapkan sistem klasifikasi citra rempah-rempah menggunakan DenseNet-121. Metode yang digunakan meliputi akuisisi citra rempah, pelabelan, preprocessing, dan pelatihan model CNN dengan dataset yang terdiri dari 1.075 gambar rempah, dibagi menjadi lima kelas (kunyit, jahe, kencur, cengkeh, dan serai). Model dilatih menggunakan optimizer Adamax dengan ukuran citra 110x110 piksel dan dievaluasi berdasarkan akurasi, precision, recall, dan f1-score. Hasil penelitian menunjukkan bahwa model berhasil mencapai akurasi 0.95, precision 0.95, recall 0.97, dan f1-score 0.95. Penelitian ini menunjukkan efektivitas CNN dalam klasifikasi rempah-rempah dan memberikan kontribusi untuk aplikasi pengolahan citra dalam industri rempah dan kecantikan