Implementasi Metode Convolutional Neural Network (Cnn) Dalam Klasifikasi Jenis Rempah- Rempah Indonesia Berbasis Web

Fiyanda Ma’muri, . (2025) Implementasi Metode Convolutional Neural Network (Cnn) Dalam Klasifikasi Jenis Rempah- Rempah Indonesia Berbasis Web. Other thesis, Universitas Pamulang.

	Text COVER.pdf Restricted to Registered users only Download (499kB)
	Text BAB I.pdf Restricted to Registered users only Download (148kB)
	Text BAB II.pdf Restricted to Registered users only Download (607kB)
	Text BAB III.pdf Restricted to Registered users only Download (1MB)
	Text BAB IV.pdf Restricted to Registered users only Download (2MB)
	Text BAB V.pdf Restricted to Registered users only Download (12kB)
	Text JURNAL.pdf Restricted to Registered users only Download (683kB)

Abstract

Indonesia memiliki keanekaragaman rempah yang tinggi, namun identifikasi visualnya sering terkendala kemiripan bentuk, warna, dan tekstur. Penelitian ini mengembangkan sistem klasifikasi berbasis web untuk mengenali 35 jenis rempah menggunakan Convolutional Neural Network (CNN) dengan transfer learning arsitektur MobileNetV2. Dataset berjumlah 4.544 citra yang dibagi menjadi data pelatihan, validasi, dan pengujian, melalui proses ekstraksi fitur dan fine-tuning. Model mencapai akurasi 93% pada data pengujian. Sistem diimplementasikan dengan Streamlit, memungkinkan pengguna mengunggah gambar rempah untuk diklasifikasi. Jika nilai keyakinan melebihi ambang batas, sistem menampilkan hasil prediksi, gambar referensi, informasi rempah, dan formulir umpan balik. Jika di bawah ambang batas, sistem tidak menampilkan prediksi dan hanya memberikan peringatan disertai tips pengambilan gambar. Umpan balik yang diberikan pengguna, termasuk citra masukan dan label koreksi, disimpan di Google Sheets dan Google Cloud Storage untuk retraining model di masa mendatang. Antarmuka admin mendukung pengaturan ambang batas, pengelolaan informasi dan gambar referensi, analisis umpan balik, dan pengunduhan data citra hasil unggahan pengguna yang memberi umpan balik. Sistem ini diharapkan mempermudah identifikasi rempah dan mendukung pelestarian pengetahuan lokal berbasis kecerdasan buatan.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	klasifikasi rempah, CNN, MobileNetV2, transfer learning, Streamlit
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User:	Mahlil Muhammad, S.IP
Date Deposited:	26 Sep 2025 07:50
Last Modified:	26 Sep 2025 07:50
URI:	http://repository.unpam.ac.id/id/eprint/17538

Actions (login required)

View Item