Klasifikasi Citra Rempah-rempah dengan Menggunakan Algoritma Convolutional Neural Network (Cnn)

Abstract

Indonesia merupakan salah satu negara beriklim tropis yang memiliki kekayaan alam yang sangat besar kedua di dunia setelah Brazil. Salah satu kekayaan alam terkenal yang dimiliki oleh Indonesia berasal dari sektor agraris atau pertanian yaitu berupa kekayaan rempah-rempah. Rempah-rempah merupakan jenis tumbuhan yang sangat mudah ditemukan di wilayah Indonesia dan manfaatnya sangat banyak digunakan oleh masyarakat. Pada Penelitian ini dilakukan uji coba pada rempah-rempah dengan menggunakan Algoritma Convolutional Neural Network untuk mempermudah masyarakat dalam mengenali atau membedakan jenis rempah-rempah terutama pada rempah-rempah yang memiliki kemiripan baik dari segi bentuk dan warna. Convolutional Neural Network adalah jenis dari algoritma deep learning yang merupakan pengembangan dari Multilayer Perceptron. CNN sering digunakan untuk menyelesaikan permasalahan computer vision terkhususnya pada identifikasi citra dan pengolahan citra. Pada penelitian ini hasil pengujian yang dilakukan pada rempah-rempah menunjukkan bahwa Model 12 dengan menggunakan CNN pada penelitian ini menjadi model terbaik dengan tingkat akurasi mencapai 100%, Precision 100%, Recall 100%, dan F1- Score 100% dalam klasifikasi 10 jenis rempah-rempah. Indonesia is a tropical country which has the second largest natural wealth in the world after Brazil. One of the well-known natural resources owned by Indonesia comes from the agricultural or agricultural sector, namely in the form of a wealth of spices. Spices are a type of plant that is very easy to find in Indonesia and its benefits are widely used by the community. In this research, experiments were carried out on spices using the Convolutional Neural Network Algorithm to make it easier for the public to recognize or differentiate types of spices, especially spices that have similarities both in terms of shape and color. CNN is a type of deep learning algorithm which is a development of the Multilayer Perceptron. CNN is often used to solve computer vision problems, especially in image identification and image processing. In this study, the results of tests conducted on spices showed that Model 12 using CNN in this study was the best model with an accuracy rate of 100%, Precision 100%, Recall 100%, and F1-Score 100% in the classification of 10 types of spices.