<![CDATA[Indonesia adalah negara yang memiliki kekayaan kuliner yang beragam,namun tantangan dalam mengidentifikasi dan mengklasifikasikanmakanan tradisional semakin meningkat, terutama di kalangan generasimuda. Penelitian ini bertujuan untuk mengoptimalkan model deeplearning dalam meningkatkan akurasi klasifikasi citra makanan khasJawa dan Sumatera menggunakan pendekatan transfer learning. Datasetyang digunakan terdiri dari 595 citra makanan dari 14 provinsi di PulauJawa dan Sumatera. Implementasi dilakukan menggunakan duaarsitektur, yaitu VGG16 dan ResNet50, dengan menerapkan teknikpreprocessing dan augmentasi data untuk meningkatkan kualitas danvariasi dataset. Hasil penelitian menunjukkan peningkatan signifikandibandingkan penelitian sebelumnya yang menggunakan CNN custom(64%), dimana model ResNet50 mencapai akurasi tertinggi sebesar 90%,sementara VGG16 mencapai akurasi 88%. Meskipun menghadapitantangan seperti ketidakseimbangan dataset dan kompleksitas visual,kedua model menunjukkan kemampuan yang baik dalammengklasifikasikan makanan tradisional. Penelitian ini memberikankontribusi dalam pengembangan sistem klasifikasi makanan tradisionalyang lebih akurat, yang dapat membantu upaya pelestarian dan promosiwarisan kuliner nusantara.]]>
Copyrights © 2025
