Dewi, A. A. Dea Karista (2026) KLASIFIKASI JENIS JAJANAN TRADISIONAL KHAS BALI MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK DENGAN ARSITEKTUR MOBILENETV2. Undergraduate thesis, Universitas Pendidikan Ganesha.
![[img]](http://repo.undiksha.ac.id/style/images/fileicons/text.png) |
Text (COVER)
2215101039-COVER.pdf Download (488kB) |
|
Text (ABSTRAK)
2215101039-ABSTRAK.pdf Download (198kB) |
|
Text (BAB 1 PENDAHULUAN)
2215101039-BAB 1 PENDAHULUAN.pdf Download (206kB) |
|
Text (BAB 2 KAJIAN TEORI)
2215101039-BAB 2 KAJIAN TEORI.pdf Restricted to Repository staff only Download (676kB) | Request a copy |
|
Text (BAB 3 METODELOGI PENELITIAN)
2215101039-BAB 3 METODELOGI PENELITIAN.pdf Restricted to Repository staff only Download (427kB) | Request a copy |
|
Text (BAB 4 HASIL DAN PEMBAHASAN)
2215101039-BAB 4 HASIL DAN PEMBAHASAN.pdf Restricted to Repository staff only Download (816kB) | Request a copy |
|
Text (BAB 5 PENUTUP)
2215101039-BAB 5 PENUTUP.pdf Restricted to Repository staff only Download (193kB) | Request a copy |
|
Text (DAFTAR PUSTAKA)
2215101039-DAFTAR PUSTAKA.pdf Download (191kB) |
|
Text (LAMPIRAN)
2215101039-LAMPIRAN.pdf Download (249kB) |
Abstract
Jajanan tradisional merupakan warisan budaya yang mengandung nilai-nilai sosial dan spiritual bagi masyarakat. Di Bali, berbagai jenis jajanan tradisional tidak hanya sekadar dikonsumsi, melainkan menjadi bagian penting dalam pelaksanaan upacara adat maupun kegiatan keagamaan. Seiring berkembangnya kuliner modern, minat masyarakat terhadap jajanan tradisional khas Bali cenderung mengalami penurunan. Selain itu, proses pengenalan setiap jenis jajanan masih menjadi tantangan karena banyak di antaranya memiliki karakteristik visual yang serupa, seperti bentuk, warna, dan tekstur. Oleh sebab itu, diperlukan pemanfaatan teknologi sebagai salah satu upaya untuk mendukung pelestarian warisan budaya tersebut. Penelitian ini bertujuan mengembangkan model yang dapat mengidentifikasi berbagai jenis jajanan tradisional Bali secara otomatis. Data yang digunakan berjumlah 1.000 gambar dan dibagi ke dalam 10 kelas, terdiri dari 9 kelas jajanan tradisional Bali, yaitu laklak, lukis, kalidrem, cerorot, jajan matahari, begina, sirat, satuh, dan reta serta 1 kelas tambahan untuk jajanan non-Bali. Pembagian data dilakukan dengan rasio 60% data pelatihan, 20% data validasi, dan 20% data pengujian. Model klasifikasi dibangun menggunakan arsitektur MobileNetV2 dengan beberapa variasi hyperparameter, yakni learning rate 0,001, 0,0001, dan 0,00001, serta batch size 16 dan 32. Pada tahap pelatihan, digunakan strategi early stopping dan model checkpoint untuk meminimalkan overfitting sekaligus menyimpan model dengan performa validasi terbaik. Berdasarkan evaluasi, model menunjukkan hasil yang sangat baik. Kombinasi learning rate 0,0001 dan batch size 16 memberikan performa optimal dengan akurasi validasi 98,50% dan akurasi pengujian 98,50%. Temuan ini menandakan bahwa model memiliki kemampuan generalisasi yang tinggi dan efektif untuk mengklasifikasikan berbagai jenis jajanan tradisional khas Bali.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Uncontrolled Keywords: | Klasifikasi Citra, Jajanan Tradisional Bali, Deep Learning, Convolutional Neural Network, MobileNetV2 |
| Subjects: | S Agriculture > S Agriculture (General) T Technology > T Technology (General) |
| Divisions: | Fakultas Teknik dan Kejuruan > Jurusan Teknik Informatika > Program Studi Ilmu Komputer (S1) |
| Depositing User: | A. A. Dea Karista Dewi |
| Date Deposited: | 15 Jul 2026 02:58 |
| Last Modified: | 15 Jul 2026 02:58 |
| URI: | http://repo.undiksha.ac.id/id/eprint/30936 |
Actions (login required)
 |
View Item |