Klasifikasi Jenis Sayuran Berbasis Citra Menggunakan Convolutional Neural Network dengan Penyediaan Informasi Kandungan Nutrisi: Image-Based Vegetable Type Classification Using Convolutional Neural Network with Nutritional Content Information Provision

Intan Idaman Halawa; Choirul Basir

doi:10.57152/malcom.v6i2.2267

Authors

Intan Idaman Halawa Universitas Pamulang
Choirul Basir Universitas Pamulang

DOI:

https://doi.org/10.57152/malcom.v6i2.2267

Keywords:

Convolutional Neural Network, Deep Learning, Klasifikasi, Sayuran, Tensorflow

Abstract

Banyak jenis sayuran memiliki tampilan yang mirip dalam hal bentuk, warna, dan ukuran, sehingga sulit dibedakan secara manual karena membutuhkan waktu lama dan rentan terhadap kesalahan. Selain itu, rendahnya pengetahuan masyarakat tentang nutrisi sayuran yang sesuai dengan kondisi kesehatan pribadi menjadi tantangan tersendiri. Penelitian ini merancang model klasifikasi sayuran berbasis citra menggunakan deep learning dengan metode Convolutional Neural Network (CNN) berbasis TensorFlow yang diintegrasikan dengan penyediaan informasi kandungan nutrisi secara otomatis. Dataset mencakup 15 jenis sayuran umum: brokoli, capsicum, kacang, kembang kol, kentang, kubis, labu botol, labu pahit, lobak, mentimun, pepaya, terong, tomat, waluh, dan wortel, dengan total 21.000 citra yang dibagi menjadi data latih (training set 15.000 citra), data validasi (validation set 3.000 citra), dan data uji (test set 3.000 citra). Model CNN dengan arsitektur sequential 8 lapisan dilatih dengan variasi parameter masukan, epoch, dan metrik evaluasi. Model terbaik menunjukkan training accuracy 92,8%, validation accuracy 95,83%, dan testing accuracy 95,67%. Evaluasi menggunakan confusion matrix menghasilkan akurasi keseluruhan 96%, presisi tertinggi 99%, recall tertinggi 100%, dan F1-score tertinggi 100%. Model yang diusulkan berpotensi dimanfaatkan untuk pelacakan gizi, kontrol kualitas makanan, dan pengembangan produk pangan.

Downloads

Download data is not yet available.

References

S. W. Rhomadona dan M. L. Siagian, "Upaya Peningkatan Kesehatan Sanitasi Keluarga dalam Pencengahan Stunting Melalui Edukasi Tentang Cara Penyimpanan dan Pengolahan Sayuran yang Benar," Jurnal Pengabdian Masyarakat, vol. 2, no. 2, pp. 18–25, 2021.

M. J. Akbar, M. W. Sardjono, M. Cahyanti, dan E. R. Swedia, "Perancangan Aplikasi Mobile untuk Klasifikasi Sayuran Menggunakan Deep Learning Convolutional Neural Network," Sebatik, vol. 24, no. 2, pp. 300–306, 2020.

Kementerian Kesehatan, "Apa Saja Manfaat Sayur-Sayuran?" https://P2ptm.Kemkes.Go.Id, diakses pada 3 Juli 2024.

P. S. Nugroho, "Jenis Kelamin dan Umur Berisiko Terhadap Obesitas pada Remaja di Indonesia," An-Nadaa: Jurnal Kesehatan Masyarakat, vol. 7, no. 2, pp. 110–114, 2020.

L. C. Blekkenhorst, M. Sim, S. Radavelli-Bagatini, N. P. Bondonno, C. P. Bondonno, A. Devine, dan J. R. Lewis, "Cruciferous Vegetable Intake is Inversely Associated with Extensive Abdominal Aortic Calcification in Elderly Women: A Cross-Sectional Study," British Journal of Nutrition, vol. 125, no. 3, pp. 337–345, 2021.

D. Purwitasari, O. P. Putri, dan W. N. Khotimah, "Aturan asosiasi dengan standar storet pada model prediksi parameter pendukung uji kualitas air baku," Journal of Information Systems Engineering and Business Intelligence, vol. 1, no. 1, pp. 1–8, 2015.

F. Marpaung, F. Aulia, dan R. C. Nabila, Computer Vision dan Pengolahan Citra Digital. Pustaka Aksara, 2022.

A. Ridho'i, K. Setyadjit, dan B. Hariadi, "Menentukan Kualitas Buah Apel Malang Berdasarkan Kulitnya Memanfaatkan Pengolahan Citra Digital," Jurnal Teknik Industri, vol. 25, no. 2, pp. 1–12, 2022.

R. Sarno, S. I. Sabilla, D. P. Purbawa, M. Khah, dan H. S. Ardani, Machine Learning dan Deep Learning Konsep dan Pemrograman Python. Penerbit Andi, 2022.

W. Setiawan, Deep Learning Menggunakan Convolutional Neural Network: Teori dan Aplikasi. Media Nusa Creative (MNC Publishing), 2021.

V. Siahaan dan R. H. Sianipar, Klasifikasi Citra Berbasis Deep Learning Menggunakan Scikit-Learn, TensorFlow, dan Keras dengan Python GUI. Balige Publishing, 2021.

A. W. Ebert, "The Role of Vegetable Genetic Resources in Nutrition Security and Vegetable Breeding," Plants, vol. 9, no. 6, p. 736, 2020.

M. R. S. Erwin, A. G. Putrada, dan M. A. Triawan, "Deteksi Hama Ulat pada Tanaman Selada Berbasis Aquaponic Menggunakan CNN (Convolutional Neural Network)," Eproceedings of Engineering, vol. 8, no. 5, 2021.

R. C. Sigitta, R. H. Saputra, dan F. Fathulloh, "Deteksi Penyakit Tomat Melalui Citra Daun Menggunakan Metode Convolutional Neural Network," Aviation Electronics, Information Technology, Telecommunications, Electricals, Controls, vol. 5, no. 1, pp. 43–51, 2023.

A. Wibowo, D. M. C. Hermanto, K. I. Lestari, dan H. Wijoyo, "Deteksi Kematangan Buah Jambu Kristal Berdasarkan Fitur Warna Menggunakan Metode Transformasi Ruang Warna HSV dan K-Nearest Neighbor," INCODING: Journal of Informatics and Computer Science Engineering, vol. 1, no. 2, pp. 76–88, 2021.

M. Zufar dan B. Setiyono, "Convolutional Neural Networks untuk Pengenalan Wajah Secara Real-Time," Jurnal Sains dan Seni ITS, vol. 5, no. 2, 2016.

R. D. Ramadhani, A. N. A. Thohari, C. Kartiko, A. Junaidi, T. G. Laksana, dan N. A. S. Nugraha, "Optimasi Akurasi Metode Convolutional Neural Network untuk Identifikasi Jenis Sampah," Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), vol. 5, no. 2, pp. 312–318, 2021.

D. M. Powers, "Evaluation: From Precision, Recall And F-Measure To ROC, Informedness, Markedness and Correlation," Arxiv Preprint Arxiv: 2010.16061, 2020.

J. Han, M. Kamber, dan J. Pei, Data Mining: Concepts and Techniques, 3rd ed. Morgan Kaufmann, 2012.

M. Khoiruddin dan S. Tena, "Fruit and Vegetable Classification using Convolutional Neural Network with MobileNetV2," Journal of Applied Research In Computer Science and Information Systems, vol. 2, no. 2, pp. 203–210, 2024, doi: 10.61098/jarcis.v2i2.197.

W. A. Karunia, S. M. Puspita, D. Rolliawati, dan A. Yusuf, "Classification of Vegetable Types Using the Convolutional Neural Network (CNN) Algorithm," Paradigma-Jurnal Komputer dan Informatika, vol. 27, no. 1, pp. 48–54, 2025.

H. Jin, K. Han, H. Xia, B. Xu, dan X. Jin, "Detection of weeds in vegetables using image classification neural networks and image processing," Frontiers in Physics, vol. 13, p. 1496778, 2025.

J. Carreras, "Celiac disease deep learning image classification using convolutional neural networks," Journal of Imaging, vol. 10, no. 8, p. 200, 2024, doi: 10.3390/jimaging10080200.

T. S. Alshammari, "Applying machine learning algorithms for the classification of sleep disorders," IEEE Access, vol. 12, pp. 36110–36121, 2024.

M. A. Hasan, T. Bhargav, V. Sandeep, V. S. Reddy, dan R. Ajay, "Image classification using convolutional neural networks," International Journal of Mechanical Engineering Research and Technology, vol. 16, no. 2, pp. 173–181, 2024.