Perbandingan Model Convolutional Neural Network dengan Metode Transfer Learning Untuk Klasifikasi Jenis Makanan di Dalam Tray Box, Yuita Arum Sari, S.Kom., M.Kom. dan Dr. Eng.Novanto Yudistira, S.Kom., M.Sc.

Thiodorus, Gustavo (2021) Perbandingan Model Convolutional Neural Network dengan Metode Transfer Learning Untuk Klasifikasi Jenis Makanan di Dalam Tray Box, Yuita Arum Sari, S.Kom., M.Kom. dan Dr. Eng.Novanto Yudistira, S.Kom., M.Sc. Sarjana thesis, Universitas Brawijaya.

Abstract

Makanan merupakan salah satu kebutuhan primer yang tidak terlepas dari kehidupan masyarakat. Setiap hari ragam dan variasi jenis makanan cenderung meningkat yang juga berbanding lurus dengan kebutuhan manusia akan makanan yang juga semakin meningkat. Namun di satu sisi, masih lazimnya ketidaktahuan akan keanekaragaman jenis makanan justru akan menimbulkan masalah gizi dan pangan bagi masyarakat. Oleh karena itu, keberadaan kecerdasan buatan dengan teknik pengolahan citra dan visi komputer yang mampu mengenali jenis makanan dapat membantu masyarakat untuk mengenali aneka ragam jenis makanan. Maka, pada penelitian ini akan digunakan teknik pengolahan citra berbasis jaringan syaraf tiruan, yaitu Convolutional Neural Network dengan metode Transfer Learning untuk klasifikasi jenis makanan di dalam tray box. Penggunaan metode transfer learning bertujuan untuk mengatasi masalah kurangnya data latih citra makanan dengan memanfaatkan bobot-bobot hasil pelatihan model menggunakan dataset ImageNet sehingga model dapat dilatih kembali menggunakan data latih dengan durasi yang tidak terlampau lama. Model transfer learning yang digunakan pada penelitian ini adalah ResNet-18, AlexNet, dan GoogLeNet. Data citra yang digunakan adalah 304 data citra makanan hasil segmentasi dari citra makanan dalam tray box yang terbagi dalam 4 kelas, yaitu blank, nasi goreng, telur, dan timun dengan pembagian 242 data latih, 29 data validasi, dan 33 data uji. Pengujian dilakukan menggunakan masin-masing model dengan epoch yang memiliki akurasi validasi terbaik sebesar 1. Model ResNet-18 epoch ke-3 mendapatkan hasil pengujian dengan akurasi sebesar 1, precision sebesar 1, recall sebesar 1, dan F1-score sebesar 1. Model AlexNet epoch ke-2 mendapatkan hasil pengujian dengan akurasi sebesar 1, precision sebesar 1, recall sebesar 1, dan F1-score sebesar 1. Model GoogLeNet epoch ke-12 mendapatkan hasil pengujian dengan akurasi sebesar 0,9845, precision sebesar 0,9722, recall sebesar 0,9808, dan F1-score sebesar 0,9752. Berdasarkan hasil tersebut dapat disimpulkan bahwa model Convolutional Neural Network dengan metode Transfer Learning dapat digunakan untuk klasifikasi jenis makanan di dalam tray box.

English Abstract

Food is one of the primary needs that cannot be separated from people's lives. Every day the variety and variety of types of food tends to increase which is also directly proportional to the human need for food which is also increasing. However, the lack of knowledge of the diversity of types of food is still common, it will cause nutrition and food problems for the community. Therefore, the existence of artificial intelligence with image processing techniques and computer vision that is able to recognize types of food can help people to recognize various types of food. So, in this study, an image processing technique based on an artificial neural network, namely a convolutional neural network with transfer learning methods will be used to classify the types of food in the tray box. The use of the transfer learning method aims to overcome the problem of lack of training data for food images by utilizing the weights from the training model using the ImageNet dataset so that the model can be retrained using training data with a minimum duration. The transfer learning models used in this research are ResNet-18, AlexNet, and GoogLeNet. The image data used are 304 food image data segmented from food images in tray boxes which are divided into 4 classes, namely blank, fried rice, egg, and cucumber with 242 training data, 29 validation data, and 33 test data. The test is carried out using each model with the epoch having the best validation accuracy of 1. The 3rd epoch of ResNet-18 model gets test results with an accuracy of 1, precision of 1, recall of 1, and F1-score of 1. The 2nd epoch of Alexnet gets test results with an accuracy of 1, precision of 1, recall of 1, and F1-score of 1. The 12th epoch of GoogLeNet model gets test results with an accuracy of 0.9845, precision of 0.9722, recall of 0.9808, and F1-score of 0.9752. Based on these results, it can be concluded that the Convolutional Neural Network model with the Transfer Learning method can be used to classify the types of food in the tray box.

Item Type: Thesis (Sarjana)
Identification Number: 0521150090
Uncontrolled Keywords: Convolutional Neural Network, Transfer Learning, klasifikasi, makanan, tray box, ResNet-18, AlexNet, GoogLeNet
Subjects: 000 Computer science, information and general works > 004 Computer science
Divisions: Fakultas Ilmu Administrasi > Ilmu Administrasi Publik / Negara
Depositing User: Budi Wahyono Wahyono
Date Deposited: 03 Nov 2021 06:55
Last Modified: 25 Feb 2022 06:07
URI: http://repository.ub.ac.id/id/eprint/186410
[thumbnail of DALAM MASA EMBARGO] Text (DALAM MASA EMBARGO)
Gustavo Thiodorus.pdf
Restricted to Registered users only until 31 December 2023.

Download (2MB)

Actions (login required)

View Item View Item