Klasifikasi Citra Kuliner Kue Indonesia menggunakan Deep Learning

Syafa, Atunisa (2025) Klasifikasi Citra Kuliner Kue Indonesia menggunakan Deep Learning. Undergraduate thesis, Universitas Pembangunan Jaya.

[img] Text
PENDAHULUAN.pdf
Download (314kB)
[img] Text
ABSTRACT.pdf
Download (115kB)
[img] Text
ABSTRAK.pdf
Download (397kB)
[img] Text
DAFTAR ISI.pdf
Download (125kB)
[img] Text
DAFTAR GAMBAR.pdf
Download (126kB)
[img] Text
DAFTAR TABEL.pdf
Download (115kB)
[img] Text
DAFTAR LAMPIRAN.pdf
Download (115kB)
[img] Text
BAB I.pdf
Download (205kB)
[img] Text
BAB II.pdf
Download (692kB)
[img] Text
BAB III.pdf
Download (330kB)
[img] Text
BAB IV.pdf
Download (1MB)
[img] Text
BAB V.pdf
Download (1MB)
[img] Text
BAB VI.pdf
Download (131kB)
[img] Text
DAFTAR PUSTAKA.pdf
Download (351kB)
[img] Text
LAMPIRAN.pdf
Download (1MB)
[img] Text
Berita Acara Unggah Mandiri.pdf
Download (286kB)
[img] Text
Bukti Lolos Similarity.pdf
Download (462kB)

Abstract

Penelitian ini bertujuan untuk mengembangkan model klasifikasi citra kuliner khas Indonesia, dengan fokus pada pengenalan jenis-jenis kuliner kue indonesia, menggunakan metode deep learning. Model yang digunakan dalam penelitian ini adalah EfficientNet, sebuah arsitektur Convolutional Neural Network (CNN) yang dikenal efisien dalam menghasilkan akurasi tinggi dengan penggunaan sumber daya komputasi yang optimal. Proses pengembangan dimulai dari pengumpulan dan pelabelan dataset citra kuliner kue Indonesia yang beragam, diikuti oleh tahapan preprocessing untuk meningkatkan kualitas data sebelum pelatihan model. Selanjutnya, model dilatih dengan menggunakan dataset tersebut untuk mengenali berbagai jenis kue berdasarkan pola visual yang terdapat pada citra. Pemilihan EfficientNet didasarkan pada kemampuannya untuk melakukan scaling secara optimal pada parameter model, sehingga dapat memaksimalkan performa tanpa meningkatkan kompleksitas secara signifikan. Hasil dari penelitian ini menunjukkan bahwa model EfficientNet mampu mengklasifikasikan jenis-jenis kuliner kue Indonesia dengan tingkat akurasi yang tinggi, sebagaimana dibuktikan oleh evaluasi metrik seperti akurasi, precision, recall, dan F1-score. Keberhasilan ini menunjukkan potensi besar dalam penerapan teknologi berbasis deep learning untuk mendukung pelestarian budaya kuliner kue Indonesia. Aplikasi dari model ini dapat digunakan dalam platform edukasi maupun promosi kuliner, sehingga mempermudah masyarakat untuk mengenali, memahami, dan melestarikan warisan kuliner Indonesia. Dengan demikian, penelitian ini memberikan kontribusi penting dalam mendukung pelestarian budaya melalui inovasi teknologi berbasis citra.

Item Type: Karya Tulis Ilmiah (KTI) (Undergraduate)
Uncontrolled Keywords: Image Classification, Artificial Intelligence, Deep Learning, EfficientNet, Convolutional Neural Networks (CNN)
Subjects: T Technology > TA Engineering (General). Civil engineering (General)
Divisions: Fakultas Teknologi dan Desain > Informatika
Depositing User: Syafa'Atunisa Syafa'Atunisa
Date Deposited: 13 Feb 2025 02:42
Last Modified: 13 Feb 2025 02:49
URI: http://eprints.upj.ac.id/id/eprint/10804

Actions (login required)

View Item View Item