<![CDATA[Tempe mendoan dikenal dengan makanan yang memiliki kematangan yang berbeda dalam tiap jenisnya. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi tingkat kematangan tempe mendoan menggunakan algoritma Convolutional Neural Network (CNN). Dataset yang digunakan terdiri dari 400 data citra tempe mendoan yang dikategorikan ke dalam empat level kematangan: Level 1 (6 jam pertama), Level 2 (12 jam), Level 3 (18 jam), dan Level 4 (24 jam). Berbagai arsitektur CNN diuji dalam penelitian ini, dan hasil terbaik diperoleh menggunakan arsitektur VGG16 dengan nilai AUC sebesar 0,94 atau 95%, menunjukkan kemampuan klasifikasi yang sangat baik. Sistem ini dirancang untuk membantu produsen, seperti karyawan dan penjual tempe mendoan, dalam menentukan tingkat kematangan tempe secara tepat. Dengan sistem ini, tempe yang dihasilkan memiliki kualitas kematangan optimal, sehingga dapat meningkatkan daya tarik produk dan minat konsumen. Penelitian ini memberikan kontribusi pada penerapan teknologi berbasis deep learning untuk meningkatkan kualitas produksi dalam industri makanan tradisional.]]>
Copyrights © 2025
