Klasifikasi Jajanan Khas Bali Untuk Preservasi Pengetahuan Kuliner Lokal Menggunakan Arsitektur VGG-16

Pemanfaatan teknologi Deep Learning khususnya teknologi pengenalan gambar merupakan suatu media yang tepat digunakan untuk melakukan klasifikasi citra digital. Pada penelitian ini bertujuan untuk melakukan klasifikasi citra jajanan khas Bali dengan mencari model terbaik dari arsitektur VGG-16 dengan melakukan perbandingan tingkat akurasi, recall, precission dan f1-score dari skenario pengujian yaitu bobot dropout, jumlah batch size dan jumlah epoch yang digunakan. Dataset training yang digunakan dalam penelitian ini sebanyak 2.445 data citra jajanan khas Bali dengan total kelas sebanyak 10 kelas yaitu Klepon 320 citra, Laklak 207 citra, Kaliadrem 222 citra, Jaje Lukis 327 citra, Jaje Batun Bedil 189 citra, Pisang Rai 200 citra, Jaje Piling-piling 234 citra, Jaje Wajik 241 citra, Ongol-ongol 308 citra dan Bubur Injin 197 citra. Dataset sebanyak 50 data citra jajanan khas Bali pada setiap kelasnya dengan jumlah total 500 data citra. Model terbaik yang didapatkan dari arsitektur VGG-16 dalam melakukan klasifikasi jajanan khas Bali yaitu dengan tingkat akurasi sebesar 97,5%, presisi 87,9%, recall 87% serta f1-score sebesar 87,4% dengan parameter pengujian dropout 20%, batch size 64 serta epoch 1000 pada data citra uji diluar data pelatihan dan validasi.