IMPLEMENTASI CONVOLUTIONAL NEURAL NETWORK (CNN) UNTUK KLASIFIKASI 30 JENIS REMPAH BERBASIS WEBSITE

Abstract

Indonesia memiliki sumber daya alam yang melimpah, salah satunya rempah-rempah yang digunakan sebagai penambah cita rasa makanan dan dimanfaatkan sebagai obat herbal. Penelitian ini bertujuan membangun sistem klasifikasi rempah-rempah berbasis website menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur DenseNet121. Dataset yang digunakan bersifat multi-class yang berisi 3.600 citra dari 30 jenis rempah, seperti adas, andaliman, asam Jawa, bawang bombai, bawang merah, bawang putih, biji ketumbar, bunga lawang, cengkeh, daun jeruk, daun kemangi, daun ketumbar, daun salam, jahe, jinten, kapulaga, kayu manis, kayu secang, kemiri, kemukus, kencur, kluwek, kunyit, lada, lengkuas, pala, saffron, serai, vanili dan wijen. Pengembangan sistem menggunakan metode Cross Industry Standard Process for Data Mining (CRISP-DM) dengan enam tahapan, yaitu business understanding, data understanding, data preparation, modeling, evaluation dan deployment. Data dibagi ke dalam data latih dan data uji dengan empat variasi proporsi, yaitu 90:10, 80:20, 70:30 dan 60:40, untuk membandingkan performa model terbaik. Hasil pengujian menunjukkan proporsi 80:20 memberikan performa terbaik dengan akurasi pelatihan 99%, akurasi validasi 95% dan nilai metrik accuracy 95%, serta model berhasil mengklasifikasi seluruh kelas rempah dengan benar. Model ini berhasil diimplementasikan ke dalam website menggunakan framework flask, sehingga dapat digunakan untuk mengklasifikasi citra rempah.