PERANCANGAN APLIKASI MOBILE UNTUK KLASIFIKASI SAYURAN MENGGUNAKAN DEEP LEARNING CONVOLUTIONAL NEURAL NETWORK

Muhamad Jaelani Akbar; Mochamad Wisuda Sardjono; Margi Cahyanti; Ericks Rachmat Swedia

Authors

Muhamad Jaelani Akbar Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Gunadarma
Mochamad Wisuda Sardjono Jurusan Sistem Informasi, Fakultas Ilmu Komputer dan Teknologi Informasi, Universitas Gunadarma
Margi Cahyanti Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Gunadarma
Ericks Rachmat Swedia Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Gunadarma

Keywords:

Sayuran, Computer Vision, CNN, Image Classification, Accuracy

Abstract

Sayuran merupakan sebutan bagi bahan pangan asal tumbuhan yang biasanya mengandung kadar air tinggi dan dikonsumsi dalam keadaan segar atau setelah diolah secara minimal. Keanekaragaman sayur yang terdapat di dunia menyebabkan keragaman pula dalam pengklasifikasian sayur. Oleh karena itu diperlukan adanya pendekatan digital agar dapat mengenali jenis sayuran dengan cepat dan mudah. Dalam penelitian ini jumlah jenis sayuran yang digunakan sebanyak 7 jenis diantara: brokoli, jagung, kacang panjang, pare, terung ungu, tomat dan kubis. Dataset yang digunakan berjumlah 941 gambar sayur dari 7 jenis sayur, ditambah 131 gambar sayur dari jenis yang tidak terdapat pada dataset, selain itu digunakan 291 gambar selain sayuran. Untuk melakukan klasifikasi jenis sayuran digunakan algoritme Convolutional Neural Network (CNN), yang merupakan salah satu bidang ilmu baru dalam Machine Learning dan berkembang dengan pesat. CNN merupakan salah satu algoritme yang terdapat pada metode Deep Learning dengan memiliki kemampuan yang baik dalam Computer Vision, salah satunya yaitu image classification atau klasifikasi objek citra. Uji coba dilakukan pada lima perangkat selular berbasiskan sistem operasi Android. Python digunakan sebagai bahasa pemrograman dalam merancang aplikasi mobile ini dengan menggunakan modul Tensor flow untuk melakukan training dan testing data. Metode yang dapat digunakan dalam melakukan klasifikasi citra ini yaitu Convolutional Neural Network (CNN). Hasil final test accuracy yang diperoleh yaitu didapat keakuratan mengenali jenis sayuran sebesar 98.1% dengan salah satu hasil pengujian yaitu klasifikasi sayur jagung dengan akurasi sebesar 99.98049%.

References

Hansun, S., Kristanda, M. B. & Saputra, M. W., 2018. Pemrograman Android Dengan Android Studio IDE. Yogyakarta: Andi.
Johansson, R., 2019. Numerical Python Second Edition. APress Media.
Kurniadi, A., Kusrini, Sadikin, 2020 M F., Implementasi Convolution Neural Network untuk klasifikasi Varietas pada citra daun sawi menggunakan Keras. Journal of Computer Information Technology (4), 25-33. Agustus 2020.
LeCun, Y., Bengio, Y., & Hinton, G. 2015. Deep learning. nature, 521(7553), 436-444..
Nurainy, F., 2018. Buku Ajar Pengetahuan Bahan Nabati I: Sayur-sayuran, Buah-buahan, Kacang- kacangan, Serelia dan Umbi-umbian. Lampung: Universitas Lampung.
Om, P., & Vijay, G. (2018). Classification of vegetables using Tensor Flow. International Journal for Research in Applied Science and Engineering Technology, 6(4), 2926-2934.
Peters, J. F., 2017. Foundation of Computer Visions. Springer Publisher. New York.
Primartha, R. 2018. Belajar Machine Learning – Teori dan Praktik. Palembang. Informatika Bandung.
Widodo, B. 2016. Machine Learning Dan Computational Intelligence.
Zhu, L., Li, Z., Li, C., Wu, J., & Yue, J. 2018. High performance vegetable classification from images based on alexnet deep learning model. International Journal of Agricultural and Biological Engineering, 11(4), 217-223.