<![CDATA[Tempe merupakan makanan fermentasi berbahan dasar kedelai yang banyak dikonsumsi masyarakat Indonesia. Berdasarkan bahan bakunya, tempe umumnya dibedakan menjadi tempe organik yang menggunakan kedelai lokal non-GMO dan tempe non-organik yang berasal dari kedelai impor GMO. Kedua jenis tempe goreng tersebut, yaitu tempe goreng organik dan non-organik, memiliki kemiripan tampilan yang relatif tinggi sehingga proses identifikasi secara manual cukup sulit dilakukan. Penelitian ini mengusulkan sistem klasifikasi citra untuk membedakan tempe goreng organik dan tempe goreng non-organik menggunakan metode hybrid Convolutional Neural Network (CNN) dan Learning Vector Quantization (LVQ). CNN digunakan untuk mengekstraksi ciri citra tempe goreng organik dan non-organik, sedangkan LVQ dimanfaatkan sebagai metode klasifikasi. Dataset penelitian terdiri dari 380 citra tempe goreng, yaitu 190 citra tempe goreng organik dan 190 citra tempe goreng non-organik. Pembagian data dilakukan dengan proporsi 80% data latih dan 20% data uji. Berdasarkan hasil pengujian, metode yang diusulkan memperoleh nilai akurasi sebesar 85,53% dengan precision, recall, dan F1-score masing-masing sebesar 0,8575, 0,8553, dan 0,8550. Hasil penelitian menunjukkan bahwa metode hybrid CNN-LVQ mampu digunakan secara efektif untuk proses klasifikasi citra tempe goreng. Dibandingkan dengan penelitian sebelumnya yang menerapkan CNN secara mandiri untuk klasifikasi tempe, penelitian ini menunjukkan bahwa kombinasi CNN sebagai ekstraktor fitur dan LVQ sebagai pengklasifikasi merupakan pendekatan alternatif yang efektif untuk klasifikasi citra tempe goreng organik dan non-organik.]]>
Copyrights © 2026
