Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika)
Bintang Sahputra, Rizky
Unknown Affiliation
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
PERANCANGAN MOBILE APPLICATION UNTUK MENGKLASIFIKASIKAN SAYUR SEGAR DAN BUSUK MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN) Bintang Sahputra, Rizky; Kunaefi, Anang; Permadi, Andhy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 6 (2024): JATI Vol. 8 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i6.12036

Abstract

Sayuran merupakan sebuah sumber nutrisi dan gizi utama bagi manusia. Sayur memiliki beragam jenisnya, seperti bayam, kangkung, wortel, timun, dan tomat. Sayur memiliki beragam manfaat untuk menjaga kesehatan tubuh manusia. Namun disamping melihat beragam manfaat yang dimilikinya, tentunya hal itu tidak akan berguna apabila sayur tersebut tidak segar atau bisa dikatakan busuk. Sehingga jika dikonsumsi oleh manusia bisa menjadi sebuah penyakit. Maka dari itu, dengan menggunakan perkembangan teknologi dan AI, muncul inovasi yang bisa digunakan, yaitu aplikasi deteksi sayur dengan menggunakan metode Convolutional Neural Network (CNN). Penelitian ini dibuat dengan tujuan untuk membantu masyarakat untuk memilih sayur mana yang punya kualitas segar dan busuk. Sehingga bisa mengurangi resiko terkena penyakit ketika mengkonsumsi makanan busuk. Platform yang dipakai untuk merancang aplikasi pada penelitian ini adalah android. Jenis sayur yang dipakai pada penelitian ini terdapat 5 jenis, yaitu timun, wortel, brokoli, selada, dan kubis. Dimana terdapat total 400 dataset yang didapat dengan menggunakan metode observasi dan wawancara. Dimana 90% dataset digunakan untuk train model dan sisanya untuk pengujian. Pengujian dilakukan dengan menggunakan 10 sampel Dimana satu sampel dilakukan uji sebanyak 5 kali. Hasil pengujian model berhasil mendapat angka 86% akurasi dalam mengklasifikasikan sayur segar dan busuk
Co-Authors Anang Kunaefi, Anang Andhy Permadi, Andhy