KLASIFIKASI CITRA MAKANAN DENGAN DEEP LEARNING

• HARMING PUJA KEKAL
• 14002622

---

ABSTRAK

 

ABSTRAK Nama : Harming Puja Kekal NIM 14002622 Program Studi : Ilmu Komputer Jenjang : Strata Dua (S2) Konsentrasi : Image Processing Judul Tesis :“ Klasifikasi citra makanan dengan Deep Learning” Masyarakat dalam era digital masa kini memfoto sebelum makan merupakan salah satu budaya dan gaya hidup. Kemudian hasil foto yang didapat akan diunggah ke media sosial. Penyebaran foto citra makanan yang masih kurang dalam mengidentifikasi mendorong penelitian ini untuk melakukan penelitian tentang klasifikasi citra makanan. Pada ekstraksi fitur klasifikasi citra makanan merupakan hal yang sulit karena makanan bisa secara dramatis bervariasi dalam penampilan seperti bentuk, tekstur, warna, dan sifat visual lainnya. Deep Learning merupakan metode yang dapat mempelajari sendiri fitur pada citra yang komplex. Diharapkan hasil evaluasi Deep Learning untuk pengklasifikasian citra makanan ini dapat memberikan solusi untuk mengklasifikasi citra makanan tersebut. Untuk mempermudah dalam membedakan jenis citra makanan tersebut, salah satunya dengan melakukan klasifikasi. Peneltian ini mengusulkan beberapa algoritma Deep Learning dalam melakukan klasifiksai jenis citra makanan, Algirtma Deep Learning yang diusulkan yaitu DenseNet201,VGG16 dan MobileNet. Dari tiga algoritma tersebut, VGG16 dengan optimizer adam menghasilkan akurasi paling tinggi yaitu 90.01%. Kata Kunci: Klasifikasi, Citra Makanan, Deep Learning
 

KATA KUNCI

Klasifikasi Citra Makanan,Deep Learning

---

DAFTAR PUSTAKA

 

DAFTAR PUSTAKA [1] Ferguson, P. P. (2010). Culinary Nationalism. Gastronomica the Journal of Food and Culture, 102-109. [2] Feist, J., & Handriatno. (2010). teori kepribadian. Jakarta: Salemba Humanika. [3] He, Y., Xu, C., Khanna, N., Boushey, C. J., & Delp, E. J. (2013). Food Image Analysis. Segmentation, Identification And Weight Estimation.
[4] Rohim, A. (2019). Convolution Neural Network (CNN) Untuk Pengklasifikasian
Citra. Vol. 3, No. 7, Juli 2019, hlm. 7037-7042, 3, 7. [5] R. Erwandi and S. Suyanto, “Klasifikasi Kanker Payudara Menggunakan Residual Neural Network,” Indones. J. Comput., vol. 5, no. 1, pp. 45–52, 2020, doi: 10.21108/indojc.2020.5.1.373. [6] Darmatasia, “Analisis Perbandingan Performa Model Deep Learning UntukMendeteksi Penggunaan,” vol. 11, no. 2, pp. 101–107, 2020. [7] M. Yolov, M. C. Wujaya, and L. W. Santoso, “Klasifikasi Pakaian Berdasarkan Gambar Menggunakan.” [8] I. Maulana and P. N. Andono, “Analisa Perbandingan Adaptif Median Filter Dan Median Filter Dalam Reduksi Noise Salt & Pepper,” CogITo
Smart J. , vol. 2, no. 2, p. 157, 2016, doi: 10.31154/cogito.v2i2.26.157- 166.
[9] H. Sunandar, “Perbaikan Kualitas Citra Menggunakan Metode Gaussian Filter,” MEANS (Media Inf. Anal. dan Sist. , vol. 2, no. 1, pp. 19–22, 2017. [10] R. E. Marbun and H. D. A. N. Pembahasan, “Segmentasi Citra Spektrum Menggunakan Algoritma Region Growing TIN?: Terapan Informatika Nusantara,” vol. 1, no. 9, pp. 424–429, 2021. [11] S. Ratna, “Pengolahan Citra Digital Dan Histogram Dengan Phyton Dan Text Editor Phycharm,” Technol. J. Ilm. , vol. 11, no. 3, p. 181, 2020, doi: 10.31602/tji.v11i3.3294. [12] Z. Hussain, F. Gimenez, D. Yi, and D. Rubin, “Differential Data Augmentation Techniques for Medical Imaging Classification Tasks,”
AMIA ... Annu. Symp. proceedings. AMIA Symp. , vol. 2017, pp. 979–984, 2017. [13] H. Abdurrohman, R. Dini, and A. P. Muharram, “Evaluasi Performa Metode Deep Learning Untuk Klasifikasi Citra Lesi Kulit the Ham10000,” pp. 63–68, 2019, doi: 10.5614/sniko.2018.10. [14] E. N. Arrofiqoh and H. Harintaka, “IMPLEMENTASI METODE
43
44 CONVOLUTIONAL NEURAL NETWORK UNTUK KLASIFIKASI TANAMAN PADA CITRA RESOLUSI TINGGI,” GEOMATIKA, 2018, doi: 10.24895/jig.2018.24-2.810. [15] S. Priyowidodo, “Klasifikasi Gambar Dataset Fashion-MNIST Menggunakan Deep Convolutional Neural Network,” Jitekh, vol. 7, no. 1, pp. 34–38, 2019. [16] M. Afif, A. Fawwaz, K. N. Ramadhani, and F. Sthevanie, “Klasifikasi Ras pada Kucing menggunakan Algoritma Convolutional Neural Network ( CNN ),” e-Proceeding Eng. , vol. 8, no. 1, pp. 715–730, 2021. [17] A. Jaiswal, N. Gianchandani, D. Singh, V. Kumar, and M. Kaur, “Classification of the COVID-19 infected patients using DenseNet201 based deep transfer learning,” J. Biomol. Struct. Dyn. , vol. 0, no. 0, pp. 1 –8, 2020, doi: 10.1080/07391102.2020.1788642. [18] D. Subroto, P. S. Informatika, F. T. Industri, U. K. Petra, and J. S. Surabaya, “Deteksi Aktivitas Manusia Berdasarkan Data Skeleton dengan Menggunakan Modifikasi VGG16.” [19] Putri Nada Zakiya. “KLASIFIKASI PATOLOGI MAKULA RETINA MELALUI
CITRA OCT MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK
DENGAN ARSITEKTUR MOBILENET”, e-Proceeding of Engineering : Vol.8, No.5
Oktober 2021 | Page 5072,2021 [20] F. Iglesias, T. Zseby, D. Ferreira, and A. Zimek, “MDCGen: Multidimensional Dataset Generator for Clustering,” J. Classif., vol. 36, no. 3, pp. 599–618, 2019, doi: 10.1007/s00357-019-9312-3.
45
Program Studi Ilmu Komputer (S2) Universitas Nusa Mandiri [21] Weiqing Min “Large Scale Visual Food Recognition” arXiv:2103.16107v2 [cs.CV]
Mar 202, Senior Member, IEEE,2021.
[22] Abdulkadir ?ENGÜR “Food Image Classification with Deep Features”, DOI:
10.1109/IDAP.2019.8875946,2019
[23] Dian Ade Kurnia, “Identifikasi Pengolahan Citra Masakan Kue Indonesia dengan
Teknik Klasifikasi CNN, 1783(2021) 012047 doi:10.1088/1742-
6596/1783/1/012047,2021.
[24] I Putu Agus Eka Darma Udayana, PREDIKSI CITRA MAKANAN
MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK UNTUK
MENENTUKAN BESARAN KALORI MAKANAN, Volume 6 Nomor 1 Januari
2020,2020. [25] Ruder, Sebastian. 2018. An overview of gradient descent optimization algorithms. May 30. http://ruder.io/optimizing-gradient-descent/. [26] Kingma, D. P., & Ba, J. (2014). Adam: A method for stochastic optimization. arXiv preprint arXiv:1412.6980 [27] Schaul, T., Antonoglou, I., & Silver, D. (2013). Unit tests for stochastic optimization. arXiv preprint arXiv:1312.6055. [28] Swastina, L., 2013. Penerapan Algoritma C4.5 Untuk Penentuan Jurusan Mahasiswa. Jurnal GEMA AKTUALITA, Volume 2. [29] Gonzales, Rafael C. ; Woods, Richard E. 2002. Digital Image Processing. New Jersey : Prentice-Hall, Inc [30] Akhmad Rohim, Convolution Neural Network (CNN) Untuk Pengklasifikasian Citra Makanan Tradisional, Vol. 3, No. 7, Juli 2019, hlm. 7037-7042,2019.