Klasifikasi Bawang Merah Asli dan Palsu Menggunakan Convolutional Neural Network
DOI:
10.33395/remik.v8i3.13994Keywords:
bawang merah, convolutional neural network, klasifikasi, pemalsuanAbstract
Bawang merah merupakan salah satu komoditas yang memiliki peran penting dalam sektor pertanian dan ekonomi di banyak negara, termasuk Indonesia. Konsumsi bawang merah yang tinggi dalam berbagai masakan dan sebagai bahan dasar industri makanan menjadikannya produk yang sangat diminati di pasar. Namun, tingginya permintaan terhadap bawang merah juga membuka peluang bagi praktik kecurangan, seperti pemalsuan bawang merah dengan menggunakan bawang merah berkualitas rendah atau bahan lain yang serupa secara fisik. Praktik ini tidak hanya merugikan konsumen dari segi kualitas dan kesehatan, tetapi juga merugikan petani dan pedagang bawang merah asli yang mengalami persaingan tidak sehat. Artikel ini menyajikan klasifikasi bawang merah asli dan palsu menggunakan convolutional neural network (CNN). Penelitian ini menggunakan data berupa foto bawang merah asli dan bawang merah India dengan resolusi 48x48 piksel. Arsitektur CNN yang digunakan terdiri dari tiga lapisan konvolusi dengan ukuran filter 3x3, terdapat batch normalization, dan fungsi aktivasi ReLU, kemudian di setiap akhir lapisan konvolusi terdapat fungsi subsampling menggunakan fungsi maxpool, kemudian output berbentuk matriks diubah menjadi vektor pada lapisan flatten, dan terakhir menuju lapisan klasifikasi atau fully-connected menggunakan fungsi Softmax. Jumlah filter untuk setiap lapisan konvolusi adalah masing-masing 8, 16, dan 32. Hasilnya menunjukkan bahwa model mampu mencapai akurasi 100%, mengindikasikan kinerja yang sangat baik dalam mendeteksi perbedaan antara piksel bawang merah asli dan bawang merah India. Pencapaian ini menggambarkan potensi besar dalam penerapan teknologi kecerdasan buatan, khususnya CNN, untuk klasifikasi bawang merah palsu dengan tingkat akurasi yang sangat tinggi.
Downloads
How to Cite
Issue
Section
License
Copyright (c) 2024 Muhammad Izra Primananda, Mutaqin Akbar
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.