Klasifikasi Rimpang Menggunakan Metode Jaringan Saraf Konvolusi Dengan Arsitektur Alexnet

  • M. Fauzi Aziz Ilhami Universitas Stikubank
  • Setyawan Wibisono Universitas Stikubank (UNISBANK) Semarang

Abstract

Rimpang merupakan jenis rempah-rempah yang berbentuk batang dan tumbuh dibawah permukaan tanah. Rimpang memiliki banyak kasiat bagi kesehatan tubuh manusia. Namun banyak orang yang masih bingung untuk membedakan antara rempah rimpang satu dengan yang lainnya. Pada penelitian ini akan menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur Alexnet yang digunakan untuk mengklasifikasikan rempah rimpang sesuai namanya secara otomatis. Penelitian ini menggunakan tujuh macam rimpang yaitu bangle, jahe, lengkuas, temulawak, kunci, kencur, dan kunyit. Data yang digunakan pada penelitian ini berjumlah 245 gambar, kemudian data tersebut dibagi menjadi 80 % untuk data training dan 20% untuk data validasi. Hasil dari penelitian ini mendapatkan rata-rata akurasi sebesar 0,97085.

 

References

Defriani, M., & Jaelani, I. (2022). Recognition of Regional Traditional House in Indonesia Using Convolutional Neural Network (CNN) Method. Journal of Computer Networks, Architecture and High Performance Computing, 4(2), 104-115.
Feberian, Y., & Fitriati, D. (2022). Klasifikasi Rimpang Menggunakan Convolution Neural Network. Journal of Informatics and Advanced Computing (JIAC), 3(1), 10-14.
Hajriansyah, H. (2023). Identifikasi Jenis Rempah-Rempah Menggunakan Metode CNN Berbasis Android. Jurasik (Jurnal Riset Sistem Informasi dan Teknik Informatika), 8(1), 223-232.
Irfansyah, D., Mustikasari, M., & Suroso, A. (2021). Arsitektur Convolutional Neural Network (CNN) Alexnet Untuk Klasifikasi Hama Pada Citra Daun Tanaman Kopi. Jurnal Informatika, 6(2).
Lubis, C. (2022). Klasifikasi Buah Segar Dan Busuk Menggunakan Convolutional Neural Network Berbasis Android. Jurnal Ilmu Komputer dan Sistem Informasi, 10(2).
Mawaddah, S., Mufid, M. R., Aditama, D., Islamiya, N., & Wulandari, T. (2022). Klasifikasi Citra Rimpang Menggunakan Support Vector Machine dan K-Nearest Neighbor. Jurnal Teknologi Informasi dan Terapan, 9(1), 15-18.
SOTARJUA, L. M., & SANTOSO, D. B. (2022). Perbandingan Algoritma Knn, Decision Tree, Dan Random Forest Pada Data Imbalanced Class Untuk Klasifikasi Promosi Karyawan. Jurnal INSTEK (Informatika Sains dan Teknologi), 7(2), 192-200.
Suwitono, Y. A., & Kaunang, F. J. (2022). Implementasi Algoritma Convolutional Neural Network (CNN) Untuk Klasifikasi Daun Dengan Metode Data Mining SEMMA Menggunakan Keras. Jurnal Komtika (Komputasi dan Informatika), 6(2), 109-121.
Tanuwijaya, E., & Roseanne, A. (2021). Modifikasi Arsitektur VGG16 untuk Klasifikasi Citra Digital Rempah Rempah Indonesia.
Published
2023-09-15
Abstract viewed = 113 times
PDF downloaded = 71 times