IDENTIFIKASI MASAKAN KHAS SUMBAWA BERDASARKAN BUMBU DAPUR MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK

Gracella, Weltin Cloudia and Rusjdi, Darma and Yudho, Satrio (2024) IDENTIFIKASI MASAKAN KHAS SUMBAWA BERDASARKAN BUMBU DAPUR MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK. Diploma thesis, ITPLN.

[thumbnail of 202031149_Weltin Cloudia Gracella.K_Revisi_Sk_WELTIN CLOUDIA GRACE.pdf] Text
202031149_Weltin Cloudia Gracella.K_Revisi_Sk_WELTIN CLOUDIA GRACE.pdf
Restricted to Repository staff only

Download (5MB)

Abstract

Masakan khas Sumbawa banyak menggunakan bumbu untuk membuatnya. seperti sepat, singang, jangan sira padang (ikan Sira Padang), gecok dan ayam siong sira. Namun sebagian orang belum memiliki pengetahuan yang cukup tentang jenis bumbu dapur yang bisa mereka gunakan. Tujuan dari penelitian ini adalah untuk mengidentifikasikan bumbu dapur pada masakan khas Sumbawa dengan menggunakan metode Convolutional Neural Network (CNN). CNN diakui sebagai model yang sangat baik untuk memecahkan masalah identifikasi objek, termasuk bumbu dapur. Penelitian ini menggunakan model CNN delapan layer yang melalui proses pengujian dengan perolehan akurasi sebesar 98,89%. Dataset dalam penelitian ini dibagi menjadi 3 jenis yaitu pengujian, validasi dan uji, dengan jumlah dataset sebanyak 7882. Hasilnya menunjukkan bahwa metode CNN sangat efektif dalam mengidentifikasi bumbu dapur dan dapat meningkatkan pemahaman masyarakat tentang bumbu dapur. Dengan demikian, penelitian ini dapat memberikan panduan yang jelas dan bermanfaat kepada masyarakat dalam menyiapkan masakan khas Sumbawa dengan menggunakan bumbu dapur di rumah dan meningkatkan pengetahuan tentang masakan tradisional khas Sumbawa.

Typical Sumbawa dishes use a variety of spices to create their distinct flavors, including sepat, singang, ojo sira padang (Sira Padang fish), gecok, and siong sira chicken. However, many people lack sufficient knowledge about the types of kitchen spices they can use. The aim of this research is to identify kitchen spices in typical Sumbawa dishes using the Convolutional Neural Network (CNN) method. CNN is recognized as an excellent model for solving object identification problems, including kitchen spices. This research uses an eight-layer CNN model that achieved an accuracy of 98.89% during testing. The datasets in this research are divided into three types: training, validation, and testing, with a total of 7,882 data points. The results show that the CNN method is highly effective in identifying kitchen spices and can enhance people's understanding of them. Therefore, this research can provide clear and useful guidance to the public in preparing typical Sumbawa dishes using kitchen spices at home and increase knowledge about traditional Sumbawa cuisine.

Item Type: Thesis (Diploma)
Uncontrolled Keywords: Convolutional Neural Network, Identifikasi, Masakan khas Sumbawa, Bumbu Dapur Convolutional Neural Network, Identification, Sumbawa specialties, Kitchen Spices
Subjects: Skripsi
Bidang Keilmuan > Teknik Informatika
Divisions: Fakultas Telematika Energi > S1 Teknik Informatika
Depositing User: Sudarman
Date Deposited: 15 Sep 2025 08:00
Last Modified: 15 Sep 2025 08:00
URI: https://repository.itpln.ac.id/id/eprint/1079

Actions (login required)

View Item
View Item