PENGENALAN OBJEK MENGGUNAKAN SINGLE SHOT MULTIBOX DETECTOR PADA BAHAN MAKANAN UNTUK PENGAMBILAN RESEP

Olii, William James and Paseru, Debby and Sanger, Junaidy Budi (2023) PENGENALAN OBJEK MENGGUNAKAN SINGLE SHOT MULTIBOX DETECTOR PADA BAHAN MAKANAN UNTUK PENGAMBILAN RESEP. Skripsi thesis, UNIVERSITAS KATOLIK DE LA SALLE MANADO.

	PDF COVER-LEMBAR_PENGESAHAN_WilliamOlii.pdf Download (405kB)
	PDF ABSTRAK_WilliamOlii.pdf Download (14kB)
	PDF KATA_PENGANTAR-DAFTAR_ISI_WilliamOlii.pdf Download (171kB)
	PDF BAB_I_WilliamOlii.pdf Download (23kB)
	PDF BAB_II-LAMPIRAN_WilliamOlii.pdf Restricted to Repository staff only Download (4MB)

Official URL: https://digilib.unikadelasalle.ac.id/

Abstract

Object recognition atau sering juga dikenal dengan sebutan pengenalan objek merupakan suatu teknik yang masuk ke dalam kategori computer vision. Object recognition dapat digunakan untuk menemukan dan mengenali suatu objek dalam gambar. Sangat banyak kegiatan yang ada dalam kehidupan manusia yang dapat menggunakan pengenalan objek untuk mempermudah penyelesaian masalah yang ada dalam kegiatan-kegiatan tersebut. Salah satu contoh masalah yang ada, yaitu dalam memasak. Sangat banyak waktu yang terbuang dalam memikirkan jenis masakan yang akan dibuat. Hal tersebut menjadi salah satu masalah utama yang ada dalam proses memasak. Tugas Akhir ini bertujuan untuk memanfaatkan object recognition untuk mengatasi masalah tersebut.
Tugas Akhir ini menggunakan metode Single Shot Multibox Detector (SSD) dikarenakan SSD merupakan metode yang dapat melakukan pendeteksian secara real time pada objek dengan berbagai ukuran dan aspek dengan cepat. SSD digunakan untuk melakukan pendeteksian bahan-bahan makanan yang kemudian akan dicarikan resep yang sesuai dengan menggunakan bantuan opensource AI. Opensource AI yang akan digunakan dalam Tugas Akhir ini adalah huggingchat. Dataset yang digunakan akan berjumlah 1800 dataset yang mencakup 6 bahan makanan, yaitu kol, wortel, ketimun, kentang, tomat, dan labu siam.
Metodologi yang digunakan dalam pengembangan aplikasi merupakan Rapid Application Development atau lebih sering dikenal dengan RAD. Kakas pemodelan aplikasi menggunakan pemodelan Flowchart dan DFD. Bahasa pemrograman yang digunakan adalah Python.
Hasil yang didapat pada Tugas Akhir ini adalah dengan menggunakan Mean Average Precision (mAP), Average Recall (AR), dan Average Precision(AP) untuk mengukur hasil kinerja, maka didapatkan hasil sebesar 88% untuk AP, 63% untuk AR dan 88% untuk mAP dengan perbandingan 80% untuk data latih dan 20% untuk data uji. Aplikasi juga dapat mengenali objek dengan baik.

Kata kunci: Bahan makanan, pengenalan objek, resep , Single shot multibox detector (SSD).

Item Type:

Thesis (Skripsi)

Creators: