Identifikasi Citra Tempe GMO dan Non-GMO Menggunakan Metode Convolutional Neural Network

Abstract

ABSTRACT

 In Indonesia, tempeh is a traditional food that is consumed almost every day by the community. At an affordable price, tempeh is a source of vegetable protein that can be consumed by all groups and all ages. Tempeh on the market now has two types, namely GMO and NON-GMO tempeh depending on the soybeans used as the basic ingredients for making tempeh, where GMO varieties are soybeans imported from America, while NON-GMO soybeans are local soybeans grown by farmers. Tempeh made with GMOs is considered less good so it needs to be avoided and choose tempeh derived from NON-GMO soybeans. The identification of tempeh derived from GMO/NON-GMO soybeans is done manually so there is potential for variability between observers. So this research is proposed to use one of the methods of deep learning, namely Convolutional Neural Networks (CNN) to identify GMO and NON-GMO tempeh. The tempeh used in this study is long plastic tempeh or commonly referred to as "Tempeh Papan". The data used in this study is a total of 500 true color image data with three different sizes, namely 64x64 pixels, 80x80 pixels, and 96x96 pixels. The accuracy results obtained at three different sizes have different values, the size of 64x64 pixels has an accuracy value of 86,67%, the size of 80x80 pixels has an accuracy value of 98%, the size of 96x96 pixels has an accuracy value of 98,67%. So that the best accuracy is on the input size of 96x96 pixels which is 98,67% and is able to outperform the previous methods both manually and automatically.

Keywords: CNN, GMO and NON-GMO, Identification, Tempeh

ABSTRAK

Abstrak Di Indonesia, tempe termasuk makanan tradisional yang hampir setiap hari dikonsumsi oleh masyarakat. Dengan harga yang terjangkau, tempe menjadi sumber protein nabati yang mampu dikonsumsi oleh semua kalangan dan semua usia. Tempe yang beredar dipasaran kini memiliki dua jenis, yakni tempe GMO dan NON-GMO , tergantung dari kedelai yang digunakan untuk bahan dasar pembuatan tempe, dimana varietas GMO adalah kedelai yang diimpor dari Amerika, sedangkan kedelai NON-GMO adalah kedelai lokal yang ditaman oleh petani. Tempe yang dibuat dengan GMO dinilai kurang baik sehingga perlu dihindari dan memilih tempe yang berasal dari kedelai NON-GMO. Identifikasi tempe yang berasal dari kedelai GMO/NON GMO dilakukan secara manual sehingga berpotensi terjadi variabilitas antara pengamat. Maka penelitian ini diusulkan menggunakan salah satu metode dari deep learning yakni Convolutional Neural Networks (CNN) untuk mengidentifikasi tempe GMO dan NON-GMO. Tempe yang digunakan dalam penelitian ini adalah tempe plastik panjang atau biasa disebut dengan “Tempe Papan”. Data yang digunakan pada penelitian ini yakni total 500 data citra true color  dengan tiga ukuran yang berbeda, yakni 64x64 piksel, 80x80 piksel dan 96x96 piksel. Hasil akurasi yang diperoleh pada tiga ukuran yang berbeda memiliki nilai yang berbeda-beda, ukuran 64x64 piksel memiliki nilai akurasi sebesar 86,67% , ukuran 80x80 piksel memiliki nilai akurasi 98%, ukuran 96x96 piksel memiliki nilai akurasi 98,67%. Sehingga akurasi terbaik yaitu pada ukuran input 96x96 piksel yaitu 98,67% dan mampu mengungguli metode-metode sebelumnya baik manual maupun otomatis.

Kata kunci: CNN, GMO dan NON-GMO, Identifikasi, Tempe