PREDIKSI CITRA MAKANAN MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK UNTUK MENENTUKAN BESARAN KALORI MAKANAN
DOI:
https://doi.org/10.36002/jutik.v6i1.1001Abstract
ABSTRACTDeep learning is a subfield of machine learning which its development has been significantly increased recently. One example of the application deep learning method is the implementation of computer vision to recognize an image. In this research, the authors focus on the application of deep learning to recognize food images. Food recognition is also useful in many popular lifestyle applications such as calorie counting applications or diet-related applications. In this research, the CNN method is proposed to recognize the image of commonly consumed food by Indonesian people. This technique consists of 3 main phases, first preprocessing or normalizing of food image input data by wrapping and cropping, second the formation of models and system training, and the last is pra-training for system testing. The experiment focused on the implementation of the CNN method to recognize food images for developed calorie counter applications. This research uses 50 food image data for testing each food category with an average accuracy of 86% and the system can determine the number of food calories based on a calorie database in the system.
Keywords: Convolution Neural Network (CNN), Deep Learning, Food Prediction, Food Calorie.
ABSTRAK
Deep Learning adalah bidang keilmuan baru pada machine learning yang akhir-akhir ini berkembang sangat pesat. Salah satu contoh penerapan metode deep learning adalah implementasi komputer vision untuk mengenali sebuah gambar. Pada penelitian ini, penulis fokus pada penerapan deep learning untuk mengenali citra makanan. Pengenalan makanan juga berguna dalam banyak aplikasi gaya hidup populer seperti aplikasi penghitung kalori atau aplikasi yang berhubungan dengan diet. Pada penelitian ini diusulkan metode CNN untuk mengenali citra makanan yang umum dikonsumsi oleh masyarakat Indonesia. Teknik ini terdiri dari 3 tahap utama, pertama preprocessing atau menormalkan data input citra makanan dengan melakukan wrapping dan cropping, kedua pembentukan model dan pelatihan sistem, dan yang terakhir adalah melakukan prapelatihan untuk pengujian sistem. Percobaan difokuskan pada bagaimana metode CNN dapat digunakan sebagai metode untuk mengenali citra makanan sehingga dapat digunakan untuk mengembangkan aplikasi penghitung kalori. Pada penelitian ini digunakan 50 data citra makanan untuk pengujian setiap kategori makanan dengan rata-rata akurasi sebesar 86% dan sistem dapat menentukan besaran kalori makanan sesuai dengan database kalori pada sistem.
Kata Kunci : Convolution Neural Network (CNN), Deep Learning, Prediksi Citra Makanan, Kalori
Makanan.
Downloads
Additional Files
Published
2020-01-23
How to Cite
Darma Udayana, I. P. A. E., & Nugraha, P. G. S. C. (2020). PREDIKSI CITRA MAKANAN MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK UNTUK MENENTUKAN BESARAN KALORI MAKANAN. JUTIK : Jurnal Teknologi Informasi Dan Komputer, 6(1). https://doi.org/10.36002/jutik.v6i1.1001
Issue
Section
Articles
License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.