<![CDATA[Penelitian ini bertujuan mengembangkan sistem klasifikasi untuk rempah-rempah lokal di Indonesia menggunakan Convolutional Neural Network (CNN) dan MobileNet V2 berbasis PyTorch. Latar belakang penelitian ini didorong oleh dua masalah utama: proses identifikasi rempah-rempah dari gambar atau sumber baca yang memakan waktu lama dan kurang efisien, serta keterbatasan akses ke ahli yang menghambat proses identifikasi dan pengetahuan tentang rempah-rempah. Dataset yang digunakan terdiri dari 16 jenis rempah dengan total 5.111 gambar yang diperoleh dari berbagai sumber foto manual dan publik. Data tersebut menjalani proses pra-pemrosesan, termasuk resizing dan normalisasi, untuk memastikan ukuran gambar yang konsisten dan meningkatkan kualitasnya sebelum diproses oleh model CNN. Metodologi penelitian ini mengadopsi Knowledge Discovery in Databases (KDD), yang menyediakan pendekatan sistematis dalam perencanaan proses, mencakup analisis kebutuhan data, teknik pengumpulan data, dan penjadwalan kegiatan yang terstruktur untuk memastikan kelancaran dan keberhasilan implementasi model klasifikasi. Model CNN yang dikembangkan dilatih untuk mengklasifikasikan jenis rempah berdasarkan fitur visual gambar. Evaluasi performa model menunjukkan akurasi validasi sebesar 99,96%, menunjukkan efektivitas model dalam mengidentifikasi dan mengklasifikasikan rempah-rempah dengan sangat akurat. Penerapan model klasifikasi ini pada situs web sederhana diharapkan dapat mempermudah pengguna dalam kehidupan sehari-hari. Penelitian ini juga menyediakan dasar yang kuat untuk pengembangan dan penyempurnaan model klasifikasi rempah-rempah di masa depan, serta membuka peluang aplikasi serupa dalam pengenalan objek di berbagai bidang lainnya.]]>
