IMPLEMENTASI ARSITEKTUR RESNET UNTUK KLASIFIKASI JENIS REMPAH
Beberapa rempah-rempah memiliki penampilan dan warna yang hampir sama, oleh karena itu masih banyak masyarakat mengalami kesulitan dalam mengenali rempahrempah hanya dengan mengandalkan pengamatan visual atau indra penciuman. Penelitian ini bertujuan untuk mengimplementasikan arsitektur Resnet dalam klasifikasi rempah berdasarkan citra. Metode yang digunakan adalah Convolutional Neural Network ( CNN) dengan arsitektur Resnet untuk melatih model, arsitektur Resnet yang digunakan yaitu Resnet18, Resnet34, Resnet50, Resnet101, dan Resnet152. Data yang digunakan adalah dataset citra rempah Indonesia yang terdiri dari jahe, kunyit, lengkuas, kencur, ketumbar, dan merica. Hasil penelitian menunjukkan bahwa Resnet34 mencapai tingkat akurasi tertinggi sebesar 99,72% dalam mengidentifikasi jenis rempah. Kinerja model dari Resnet34 dapat mengatasi kompleksitas dataset rempah, meskipun memiliki kedalaman model yang lebih rendah dibandingkan arsitektur lain. Penelitian ini diharapkan dapat memberikan kontribusi dalam pengembangan teknologi klasifikasi menggunakan citra berbasis aplikasi android yang dapat memudahkan pengguna untuk mengetahui atau membedakan jenis rempah.
Ketersediaan
Detail Information
Judul | IMPLEMENTASI ARSITEKTUR RESNET UNTUK KLASIFIKASI JENIS REMPAH |
---|---|
Pengarang | Nanda Sheptiana - Personal Name |
No. Panggil | SKRIPSI NAN i 2024 |
Subyek | klasifikasi Rempah CNN Resnet |
Bahasa | Indonesia |
Tempat Terbit | Universitas Mulawarman |
Tahun Terbit | 2024 |
Penerbit | Fakultas Teknik |
Jurusan | Informatika |
Lampiran Berkas | LOADING LIST... |
DIGITAL LIBRARY