Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Informasi interaktif : jurnal informatika dan teknologi informasi
Aloisius Awang Hariman
Unknown Affiliation
Computer Science & IT

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

Found 1 Documents
Search

 1 
Klasifikasi Jajanan Tradisional Jawa Tengah Dengan Metode Transfer Learning Dan MobileNetV2: Metode Transfer Learning Dan MobileNetV2 Aloisius Awang Hariman; Dadang Iskandar Mulyana; Mesra Betty Yel
Informasi Interaktif : Jurnal Informatika dan Teknologi Informasi Vol 8 No 1 (2023): JII Volume 8, Number 1, Januari 2023
Publisher : Program Studi Informatika Fakultas Teknik Universitas Janabadra

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37159/jii.v8i1.15

Abstract

Perkembangan zaman di Indonesia telah membawa perubahan sejarah budaya, salah satunya adalah makanan atau jajanan tradisional. Jajanan tradisional merupakan makanan khas dari nenek moyang dan biasanya digunakan untuk acara atau sebuah tradisi, Masyarakat di Indonesia sudah cukup mengenal berbagai jenis jajanan tradisional dari daerah masing-masing namun untuk mengenal jajanan tradisional dari daerah lain dapat dibilang kurang memahami. Banyaknya jajanan tradisonal yang ada di Indonesia khususnya di pulau Jawa membuat peneliti tertarik untuk membuat program pengenalan jenis jajanan tradisional yang ada di Jawa Tengah berdasarkan dataset foto dengan 6 jenis jajanan tradisional yaitu Grontol, Lanting, Lumpia, Putu Ayu, Serabi Solo dan Wajik menggunakan metode Transfer Learning. Implementasi pengenalan citra ini dilakukan dengan memanfaatkan Pre-Trained model MobileNetV2 yang diambil fitur ektrasinya kemudian training CNN berjalan pada aplikasi Google Collaboratory dan Tensorflow. Dataset yang digunakan dalam pengujian sebanyak 1800 data training atau sebesar 80% dan 450 data testing atau sebesar 20% dengan melakukan pengujian sebanyak 50 kali dan batch size sebesar 32, maka diperoleh hasil akurasi sebesar 99,11% nilai loss sebesar 0.06. Keywords : jajanan tradisional, CNN, MobileNetV2, transfer learning, tensorflow
Co-Authors Betty Yel, Mesra Dadang Iskandar Mulyana`