Penggunaan Convolutional Neural Network (CNN) Untuk Klasifikasi Jenis Rempah-Rempah

Penelitian ini bertujuan untuk mengeksplorasi penggunaan Convolutional
Neural Networks (CNN) dalam klasifikasi jenis rempah-rempah. CNN, yang dikenal
dengan kemampuannya dalam analisis citra dan ekstraksi fitur, diterapkan untuk
mengklasifikasikan berbagai jenis rempah berdasarkan gambar visual. Dengan
memanfaatkan arsitektur CNN yang mendalam, penelitian ini bertujuan untuk
meningkatkan akurasi identifikasi rempah-rempah secara otomatis, serta
mengembangkan model yang dapat diintegrasikan dalam aplikasi praktis seperti
sistem pengolahan makanan dan pengawasan kualitas. Dataset yang digunakan
dalam proses klasifikasi mempunyai 15 kelas yaitu: bunga lawang, cabe jawa,
cengkeh, jahe, jinten, kapulaga, kayu manis, kemiri, kencur, ketumbar, kunyit,
lengkuas, merica, pala sereh. Proses pelatihan citra menggunakan model VGG-19
dengan pelatihan 20, 80, 50, 100 epoch mendapat hasil akurasi yang cukup baik
yaitu epoch 80 yang mempunyai hasil akurasi 90%, presisi 8,33%, sensitivitas 8%,
dan F1-score 8,16%. Model terkecil yang dihasilkan merupakan model VGG19
dengan epochs 20 yang mempunyai hasil akurasi 86%, presisi 4,64%, sensitivitas
4,64%, dan F1-score 4,64%.
Kata kunci : Jenis Rempah-rempah, Convolutional Neural Network (CNN),
klasifikasi, VGG-19.