Layanan penulisan ilmiah yang disediakan oleh Perpustakaan Universitas Gunadarma
IMPLEMENTASI METODE CONVOLUTIONAL NEURAL NETWORK PADA KLASIFIKASI CITRA BUAH BERBASIS WEBSITE
ABSTRAKSI :
Konsumsi buah masyarakat indonesia pada tahun 2020 masih rendah dengan rata-rata 88,56 gr/kapita/hari. Selain itu Riskesdas 2018 status gizi obesitas anak meningkat. Kondisi ini menunjukkan pentingnya pemberian pendidikan gizi kepada anak Sekolah Dasar, agar mereka mempunyai pengetahuan tentang pentingnya konsumsi buah untuk menjaga imunitas tubuh Buah-buahan pada umumnya memiliki banyak sekali jenis, bentuk serta warna yang berbeda-beda. Pada dasarnya dalam membedakan jenis buah-buahan tersebut cukup mudah, namun pada anak-anak yang belum mengetahui informasi mengenai buah-buahan akan cukup sulit dalam membedakan jenis buah-buahan yang sangat bervariatif. Dengan adanya perkembangan teknologi, terdapat metode deep learning yang dapat dimanfaatkan dalam proses klasifikasi objek citra berdasarkan jenis dan kelas nya dengan metode deep learning yaitu Convolutional Neural Network (CNN) arsitektur VGG16. Penelitian ini bertujuan untuk membuat suatu sistem berbasis website yang mampu melakukan klasifikasi pada gambar jenis buah-buahan dengan menerapkan metode CNN. Selain itu untuk mengetahui seberapa baik kinerja metode CNN dalam klasifikasi citra buah serta dengan harapan dapat menjadi media pembelajaran bagi anak-anak dalam pengenalan jenis dan kandungan vitamin buah-buahan melalui citra digital. Data yang dibutuhkan untuk melakukan training dan testing model berasal dari website Kaggle yaitu DIY Fruit Dataset (Buahin) dengan jumlah 18.580 data citra. Data akan di bagi menjadi data training dan testing dengan rasio dataset 8:2. Proses latih akan dilakukan sebanyak Setiap data yang telah disiapkan akan dilakukan proses latih dan pengujian sebanyak 30 kali. Dari skenario tersebut didapat nilai accuracy uji coba model sebesar 80.12% menggunakan data test dan nilai accuracy uji coba model pada website sebesar 75