<![CDATA[Penelitian ini bertujuan untuk merancang dan menerapkan algoritma Convolutional Neural Network (CNN) berbasis arsitektur MobileNetV2 dalam mengklasifikasikan citra rempah famili Zingiberaceae, yaitu kunyit, jahe, dan lengkuas. Klasifikasi dilakukan pada tiga bentuk: utuh, iris, dan bubuk. Metode MobileNetV2 diterapkan karena keunggulannya dalam ekstraksi fitur visual secara otomatis dan efisien untuk membedakan objek dengan kemiripan bentuk. Dataset citra diuji pada model yang dikembangkan untuk mengukur performa pengenalan pada setiap bentuk rempah. Hasil penelitian menunjukkan kinerja model yang baik pada data uji, dengan capaian akurasi sebesar 94% untuk bentuk utuh, 96% untuk bentuk iris, dan 91% untuk bentuk bubuk. Nilai precision, recall, dan F1-score menunjukkan tingkat keandalan yang tinggi, khususnya pada variasi utuh dan iris. Namun, model mengalami penurunan performa pada bentuk bubuk, terutama saat mengidentifikasi jahe bubuk dengan precision 0,85 dan F1-score 0,86. Kesimpulannya, penggunaan arsitektur MobileNetV2 menunjukan efektivitas dalam klasifikasikan citra rempah multibentuk. Peningkatan kualitas citra, perluasan variasi dataset, dan optimasi model lebih lanjut diperlukan untuk meingkatkan akurasi lebih lanjut. ]]>
Copyrights © 2026
