RIFALDI, 218280017 (2025) APLIKASI PENGENALAN KUE TRADISIONAL BUGIS MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) BERBASIS ANDROID. Other thesis, UNIVERSITAS MUHAMMADIYAH PAREPARE.
File sampul 218280017_Rifaldi_Teknik Informatika.pdf - Cover Image
Download (98kB)
Pendahuluan 218280017_Rifaldi_Teknik Informatika.pdf - Supplemental Material
Download (696kB)
BAB (Isi) 218280017_Rifaldi_Teknik Informatika.pdf - Supplemental Material
Download (7MB)
Lampiran 218280017_Rifaldi_Teknik Informatika.pdf - Supplemental Material
Download (1MB)
Jurnal 218280017_Rifaldi_Teknik Informatika.pdf - Published Version
Download (1MB)
Abstract
Rifaldi, Aplikasi Pengenalan Kue Tradisional Bugis Menggunakan Metode Convolutional Neural Network (CNN) Berbasis Android (dibimbing oleh Ade
Hastuty, S.T., S.Kom., M.T. dan Ahmad Selao, S.TP., M.Sc)
Kue tradisional Bugis, bagian penting dari warisan kuliner Indonesia, menghadapi penurunan pengakuan karena globalisasi dan kurangnya dokumentasi yang menarik. Generasi muda, khususnya, semakin kurang mengenal kue tradisional Bugis, sehingga minat terhadapnya menurun dan menimbulkan risiko hilangnya warisan budaya yang tak ternilai. Selain itu, banyaknya variasi serta kesamaan visual di antara berbagai kue membuat identifikasi manual menjadi sulit, terutama bagi generasi muda, yang menyebabkan potensi hilangnya pengetahuan budaya. Penelitian ini bertujuan untuk mengatasi masalah ini dengan mengembangkan aplikasi seluler berbasis Android untuk klasifikasi otomatis kue tradisional Bugis menggunakan metode Convolutional Neural Network (CNN). Metodologi ini melibatkan pengumpulan dataset gambar yang komprehensif dari berbagai kue Bugis, yang kemudian digunakan untuk melatih dan memvalidasi model CNN yang dirancang untuk akurasi dan efisiensi tinggi pada perangkat seluler. Model yang dilatih dioptimalkan dan diterapkan ke dalam aplikasi Android yang mudah digunakan, yang memungkinkan pengenalan gambar melalui kamera ponsel pintar. Berdasarkan hasil pengujian, model EfficientNetB0 terpilih sebagai model dengan performa terbaik, yang berhasil mencapai akurasi sebesar 97.00% pada data validasi dan akurasi final 92.40% pada data pengujian. Dalam implementasinya pada aplikasi, fitur deteksi kamera menunjukkan kinerja optimal pada kondisi spesifik, yaitu pada jarak 15 hingga 30 cm dan sudut pandang hingga 90 derajat dengan pencahayaan yang baik. Di sisi lain, teridentifikasi beberapa batasan, di mana akurasi menurun drastis saat jarak deteksi mencapai 50 cm, objek kue dalam kondisi terpotong, atau ketika pencahayaan di lingkungan sekitar tidak memadai
| Item Type: | Thesis (Other) |
|---|---|
| Uncontrolled Keywords: | Kue Tradisional Bugis, Convolutional Neural Network, MobileNetV2, MobileNetV3Small, EfficientNetB0, Aplikasi Android. |
| Subjects: | Sains dan Teknologi |
| Divisions: | Fakultas Teknik > Teknik Informatika |
| Depositing User: | Hairan ald |
| Date Deposited: | 29 Oct 2026 00:19 |
| Last Modified: | 29 Oct 2026 00:19 |
| URI: | https://repository.umpar.ac.id/id/eprint/1206 |
