Article Per Year (5 Year)
p-Index From 2019 - 2024
0.23
P-Index
This Author published in this journals
All Journal Matrik : Jurnal Manajemen, Teknik Informatika, dan Rekayasa Komputer
Angelica Roseanne
Universitas Ciputra Surabaya
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Modifikasi Arsitektur VGG16 untuk Klasifikasi Citra Digital Rempah-Rempah Indonesia Evan Tanuwijaya; Angelica Roseanne
MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer Vol 21 No 1 (2021)
Publisher : LPPM Universitas Bumigora

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (357.582 KB) | DOI: 10.30812/matrik.v21i1.1492

Abstract

Rempah-rempah merupakan salah satu kekayaan alam yang dimiliki oleh Indonesia. Rempah-rempah sendiri memiliki banyak manfaat untuk Kesehatan ataupun hal-hal lain. Dari banyaknya rempah yang berada di Indonesia, ternyata masyarakat Indonesia sendiri masih memiliki pengetahuan yang rendah akan rempah-rembah tersebut. Hal ini menyebabkan banyak orang bahkan petani mengalami kesusahan dalam mengenali jenis rempah terutama remaja. Membedakan rempah satu dengan yang lain merupakan tantangan yang banyak dihadapi oleh masyarakat. Oleh sebab itu, penelitian ini membuat sebuah model klasifikasi dengan menggunakan convolution neural network dengan arsitektur VGG 16 yang dimodifikasi. Arsitektur modifikasi VGG 16 memiliki 10-layer yang terdiri dari 7-layer convolution dan 3-layer fully connected. Untuk fase latih model modifikasi VGG 16 ini menggunakan dataset rempah yang disediakan oleh Kaggle. Validasi model yang digunakan adalah akurasi, loss, precision, dan recall untuk membandingkan model mana yang memiliki nilai yang terbaik. Untuk model modifikasi VGG 16 yang dibuat untuk melakukan klasifikasi, mendapatkan hasil evaluasi rata-rata akurasi sebesar 81%, nilai recall sebesar 76%, dan nilai precision sebesar 81% untuk fase training dan untuk fase validasi, akurasi sebesar 85%, nilai recall sebesar 80%, dan nilai precision sebesar 84%. Jadi dengan model modifikasi VGG 16 dapat disimpulkan bahwa model mampu memprediksi rempah-rempah lebih baik dari model Alexnet.
Co-Authors Evan Tanuwijaya