Perbandingan Model Convolutional Neural Network dengan Metode Transfer Learning Untuk Klasifikasi Jenis Makanan di Dalam Tray Box, Yuita Arum Sari, S.Kom., M.Kom. dan Dr. Eng.Novanto Yudistira, S.Kom., M.Sc
| Main Author: | Thiodorus, Gustavo |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2021
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/186410/1/Gustavo%20Thiodorus.pdf http://repository.ub.ac.id/186410/ |
Daftar Isi:
- Makanan merupakan salah satu kebutuhan primer yang tidak terlepas dari kehidupan masyarakat. Setiap hari ragam dan variasi jenis makanan cenderung meningkat yang juga berbanding lurus dengan kebutuhan manusia akan makanan yang juga semakin meningkat. Namun di satu sisi, masih lazimnya ketidaktahuan akan keanekaragaman jenis makanan justru akan menimbulkan masalah gizi dan pangan bagi masyarakat. Oleh karena itu, keberadaan kecerdasan buatan dengan teknik pengolahan citra dan visi komputer yang mampu mengenali jenis makanan dapat membantu masyarakat untuk mengenali aneka ragam jenis makanan. Maka, pada penelitian ini akan digunakan teknik pengolahan citra berbasis jaringan syaraf tiruan, yaitu Convolutional Neural Network dengan metode Transfer Learning untuk klasifikasi jenis makanan di dalam tray box. Penggunaan metode transfer learning bertujuan untuk mengatasi masalah kurangnya data latih citra makanan dengan memanfaatkan bobot-bobot hasil pelatihan model menggunakan dataset ImageNet sehingga model dapat dilatih kembali menggunakan data latih dengan durasi yang tidak terlampau lama. Model transfer learning yang digunakan pada penelitian ini adalah ResNet-18, AlexNet, dan GoogLeNet. Data citra yang digunakan adalah 304 data citra makanan hasil segmentasi dari citra makanan dalam tray box yang terbagi dalam 4 kelas, yaitu blank, nasi goreng, telur, dan timun dengan pembagian 242 data latih, 29 data validasi, dan 33 data uji. Pengujian dilakukan menggunakan masin-masing model dengan epoch yang memiliki akurasi validasi terbaik sebesar 1. Model ResNet-18 epoch ke-3 mendapatkan hasil pengujian dengan akurasi sebesar 1, precision sebesar 1, recall sebesar 1, dan F1-score sebesar 1. Model AlexNet epoch ke-2 mendapatkan hasil pengujian dengan akurasi sebesar 1, precision sebesar 1, recall sebesar 1, dan F1-score sebesar 1. Model GoogLeNet epoch ke-12 mendapatkan hasil pengujian dengan akurasi sebesar 0,9845, precision sebesar 0,9722, recall sebesar 0,9808, dan F1-score sebesar 0,9752. Berdasarkan hasil tersebut dapat disimpulkan bahwa model Convolutional Neural Network dengan metode Transfer Learning dapat digunakan untuk klasifikasi jenis makanan di dalam tray box.