PENGGUNAAN CONVOLUTIONAL NEURAL NETWORK (CNN) UNTUK KLASIFIKASI JENIS REMPAH – REMPAH

Abstract

Rempah-rempah memiliki peran penting dalam kuliner dan industri pangan, namun identifikasi yang akurat terhadap berbagai jenis rempah sering kali menjadi tantangan, terutama karena kesamaan visual antara beberapa jenis rempah. Penelitian ini bertujuan untuk mengatasi masalah tersebut dengan menerapkan Convolutional Neural Networks (CNN), khususnya arsitektur VGG-19, untuk mengklasifikasikan rempah-rempah berdasarkan citra digital. Dalam penelitian ini, digunakan dataset yang terdiri dari 15 jenis rempah, termasuk bunga lawang, cabe jawa, jahe, dan merica. Model dilatih dengan berbagai epoch (20, 80, 50, 100) untuk mengevaluasi akurasi dan performa model. Hasil eksperimen menunjukkan bahwa model dengan 80 epoch mencapai akurasi 90%, dengan presisi 8,33%, sensitivitas 8%, dan F1-score 8,16%. Sedangkan model dengan 20 epoch menghasilkan akurasi 86%, presisi 4,64%, sensitivitas 4,64%, dan F1-score 4,64%. Penelitian ini menunjukkan bahwa penggunaan CNN dapat meningkatkan akurasi dalam klasifikasi rempah-rempah, dan dapat diintegrasikan dalam aplikasi praktis seperti sistem pengolahan makanan dan pengawasan kualitas.