PENGENALAN DAN KLASIFIKASI RAGAM KUE INDONESIA MENGGUNAKAN ARSITEKTUR RESNET50V2 PADA CONVOLUTIONAL NEURAL NETWORK (CNN)

Penulis

  • Jonathan Steven Iskandar Universitas Katolik Darma Cendika
  • Ryan Putranda Kristianto Universitas Katolik Darma Cendika

Kata Kunci:

CNN, ResNet50V2, Klarifikasi, Kue Indonesia

Abstrak

Dalam mengatasi permasalahan pengenalan dan klasifikasi jenis kue Indonesia yang serupa, dengan fokus pada kue-kue yang memiliki kemiripan visual yang tinggi. Penelitian ini melakukan pengujian algoritma Convolutional Neural Network (CNN) dengan menggunakan arsitektur ResNet50V2 untuk mengenali dan mengklasifikasi berbagai jenis gambar kue Indonesia. Dataset yang digunakan berasal dari Kaggle dengan nama "Kue Indonesia." Hasil penelitian ini menghasilkan dua temuan penting. Pertama, hasil prediksi dari gambar yang diunggah disajikan dalam bentuk probabilitas, dan kue kastengel dianggap valid jika probabilitas prediksinya melebihi batas 0,6. Kedua, tingkat akurasi dari algoritma yang diuji mencapai 73,19%, yang dapat dianggap sebagai tingkat akurasi yang baik. Hasil ini menunjukkan bahwa algoritma CNN dengan arsitektur ResNet50V2 memiliki potensi untuk digunakan dalam pengenalan dan klasifikasi jenis kue Indonesia yang serupa, berkontribusi pada pengembangan sistem otomatisasi pengenalan jenis kue, serta membantu menjaga kualitas dan konsistensi dalam industri makanan dan kuliner. Penelitian ini memberikan landasan penting bagi pengembangan teknologi pengenalan gambar yang dapat diterapkan dalam konteks budaya kuliner Indonesia.

##submission.downloads##

Diterbitkan

2023-12-27