Text

Klasifikasi Citra Digital Bumbu dan Rempah dengan Algoritma Convolutinal Neural Network (CNN)

---

ABSTRAK
Pengenalan bumbu dan rempah pada kalangan anak muda masih rendah.
Berdasarkan hasil penelitia di SMKN 9 Bandung, didapatkan hasil bahwa
sebanyak 47% siswa belum mengenali bumbu dan rempah. Metode yang dapat
digunakan untuk mengatasi permasalahan ini adalah pemilahan citra digital
bumbu dan rempah secara otomatis menggunakan algoritma Convolutional
Neural Network (CNN). Pada penelitian ini diklasifikasikan 300 citra jahe dan
rempah yang dibagi menjadi 3 kategori yaitu ginseng, jahe dan lengkuas. Data
pada masing-masing kategori dibagi menjadi dua yaitu data training dan data
testing dengan perbandingan 80%:20%. Model CNN yang digunakan pada
klasifikasi citra digital bumbu dan rempah adalah model dengan 2 convolutional
layer, dimana convolutional layer pertama memiliki jumlah filter 10 dan
convolutional layer kedua memiliki jumlah filter 20. Pada masing-masing filter
terdapat matriks kernel dengan ukuran 3x3. Ukuran filter pada pooling layer
adalah 3x3 dan jumlah neuron pada hidden layer adalah 10. Fungsi aktivasi pada
convolutional layer dan hidden layer adalah tanh, dan fungsi aktivasi pada output
layer adalah softmax. Pada model ini didapatkan nilai akurasi data training
sebesar 0,9875 dan nilai loss 0,0769. Nilai akurasi data testing sebesar 0,85 dan
nilai loss 0,4773. Sementara itu, pengujian dengan data baru yaitu masing-masing
3 citra untuk setiap kategori menghasilkan akurasi sebesar 88,89%.
Kata Kunci: Klasifikasi Citra, Bumbu dan Rempah, CNN

ABSTRACT
The recognition of herbs and spices among young generation is still low. Based on
research in SMK 9 Bandung, showed that there are 47% of students that did not
recognize herbs and spices. The method that can be used to overcome this
problem is automatic digital sorting of herbs and spices using Convolutional
Neural Network (CNN) algorithm. In this study, there are 300 images of ginger
and spice that will be classified into 3 categories. It’s ginseng, ginger and
galangal. Data in each category is divided into two, training data and testing data
with a ratio of 80%: 20%. CNN model used in classification of digital images of
herbs and spices is a model with 2 convolutional layers, where the first
convolutional layer has 10 filters and the second convolutional layer has 20 filters.
Each filter has a kernel matrix with a size of 3x3. The filter size at the pooling
layer is 3x3 and the number of neurons in the hidden layer is 10. The activation
function at the convolutional layer and hidden layer is tanh, and the activation
function at the output layer is softmax. In this model, the accuracy of training data
is 0,9875 and the loss value is 0,0769. The accuracy of testing data is 0,85 and the
loss value is 0,4773. Meanwhile, testing new data with 3 images for each category
produces an accuracy of 88,89%.
Keywords: Image Classification, Herbs and Spices, CNN

---

Ketersediaan

785E20III

785 E 20iii

Perpustakaan FSM Undip (Referensi)

Tersedia

Informasi Detail

Judul Seri

STATISTIKA

No. Panggil

785 E 20iii

Penerbit

: ., 2020

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

NONE

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Isna Wulandari

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar