Klasifikasi Tingkat Keparahan Roti Berjamur Menggunakan Metode Convolutional Neural Network (CNN) Dengan Arsitektur Googlenet

Nouval Rakha Sutisna

Informasi Umum

Kode

25.04.067

Klasifikasi

004 - Data processing, Computer science

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Image Processing

Dilihat

107 kali

Informasi Lainnya

Abstraksi

Di Indonesia, konsumsi gandum untuk roti rata-rata mencapai 4,7 kg per kapita per tahun, diperkirakan meningkat menjadi 6,6 kg pada 2030. Penjualan roti pada 2021 mencapai USD 18,7 miliar, tertinggi di Asia Tenggara. Namun, terdapat insiden keracunan roti, termasuk di SDN Pengasinan 1 dan Nganjuk, akibat roti kedaluwarsa atau berjamur. Penelitian ini merancang sistem klasifikasi roti berjamur menggunakan CNN dengan arsitektur GoogLeNet, mengklasifikasikan tingkat keparahan jamur dalam empat tingkatan: Grade 0, 1, 2, dan 3. Model menunjukkan akurasi 88,10% pada epoch 10 dengan batch size 16 dan 86,31% pada batch size 32, namun nilai loss validasi yang tinggi menunjukkan potensi overfitting. Hasil menunjukkan model efektif dalam mengidentifikasi Grade 0 dan Grade 1, namun performanya kurang untuk Grade 2. Perbaikan lebih lanjut diperlukan untuk menangani overfitting dan meningkatkan klasifikasi Grade 2. Teknologi CNN, khususnya GoogLeNet, memberikan kontribusi signifikan dalam meningkatkan efisiensi dan kualitas produksi roti. Kata Kunci: CNN, Deep Learning, GoogleNet, Roti, Jamur.