Identifikasi Persediaan Makanan di dalam Lemari Pendingin Berbasis Raspberry Pi dan Deep Learning

  • Faisal Candrasyah Hasibuan Universitas Telkom
  • Andri Ulus Rahayu Universitas Siliwangi
Abstract views: 68 , pdf downloads: 88
Keywords: deep belief network, deep learning, lemari pendingin, machine learning, raspberry pi

Abstract

Sistem ini dibuat atas dasar permasalahan yang terjadi dalam kehidupan sehari-hari, salah satunya yaitu tidak terpantaunya persediaan bahan makanan di lemari pendingin. Ketika dibutuhkan suatu bahan makanan dari lemari pendingin dan ternyata tidak ada, maka akan menjadi masalah. Oleh karena itu, dibuatlah sebuah sistem yang mampu mengidentifikasi objek makanan di dalam lemari pendingin. Masukan dari sistem ini berupa foto objek makanan yang diambil menggunakan Raspberry Pi Camera dan terhubung langsung dengan Raspberry Pi di dalam lemari pendingin. Setelah diproses dengan algoritma pembelajaran mesin, maka keluaran yang dihasilkan berupa identifikasi objek makanan yang terdapat di dalam lemari pendingin tersebut. Objek makanan yang diuji berupa pisang, mentimun, brokoli, dan jeruk. Dari hasil pengujian, terlihat bahwa program mengidentifikasi objek dengan benar pada objek pisang dan jeruk yang ditunjukkan dengan confidence level tertinggi sebesar 56,98% dan 45,88%. Identifikasi objek mentimun dikenali sebagai zukini dengan confidence level tertinggi sebesar 78,61%. Adapun identifikasi objek paling rendah terdapat pada objek brokoli dengan confidence level kurang dari 1%.

References

D.A.Muktiawan,“RancangBangunMonitoringAlatPenyimpananKebutuhanPokokMelaluiAndroidBerbasisMikrokontroler,”inProsidingSNRT(SeminarNasionalRisetTerapan),2016,vol.5662,pp.9–10,doi:ISSN2541-5670(Online).[2]T.MeilanySiregar,L.A.Harahap,andA.Rohanah,“IDENTIFIKASIKEMATANGANBUAHPISANG(Musaparadisiaca)DENGANTEKNIKJARINGANSYARAFTIRUAN(IdentificationofBananaMaturity(Musaparadisiaca)withArtificialNeuralNetwork),”J.RekayasaPangandanPertan.,vol.3,no.2,pp.261–265,Aug.2015,Accessed:May20,2021.[Online].Available:http://download.garuda.ristekdikti.go.id/article.php?article=1434485&val=4140&title=IDENTIFICATIONOFBANANAMATURITYMUSAPARADISIACAWITHARTIFICIALNEURALNETWORK.[3]M.Michael,F.Tanoto,E.Wibowo,F.Lutan,andA.Dharma,“PengenalanPlatKendaraanBermotordenganMenggunakanMetodeTemplateMatchingdanDeepBeliefNetwork,”MATRIKJ.Manajemen,Tek.Inform.danRekayasaKomput.,vol.19,no.1,pp.27–36,2019,doi:10.30812/matrik.v19i1.475.[4]N.Anggraini,D.F.Rahman,L.K.Wardhani,andN.Hakiem,“Mobile-basedmonitoringsystemforanautomaticcatfeederusingRaspberryPi,”Telkomnika(TelecommunicationComput.Electron.Control.,vol.18,no.2,pp.1038–1046,Apr.2020,doi:10.12928/TELKOMNIKA.V18I2.14819.[5]F.Humani,K.Adi,andC.E.Widodo,“AplikasiPengolahanCitraPadaRaspberryPiUntukMembedakanBendaBerdasarkanWarnaDanBentuk,”YoungsterPhys.J.,vol.5,no.4,pp.157–162,Oct.2016,Accessed:May20,2021.[Online].Available:https://ejournal3.undip.ac.id/index.php/bfd/article/view/14055.[6]R.ArifCandra,D.NurIlham,E.Sipahutar,D.PoliteknikAcehSelatan,andD.PoliteknikATIPadang,“METHOMIKA:JurnalManajemenInformatika&KomputerisasiAkuntansiPERANCANGANSMARTSECURITYCAMERADENGANMODELIMAGEPROCESSINGMENGGUNAKANRASPBERRYPI,”METHOMIKAJ.Manaj.Inform.KomputerisasiAkunt.,vol.3,no.2,pp.105–111,2019.[7]J.SapesandF.Solsona,“Fingerscanner:Embeddingafingerprintscannerinaraspberrypi,”Sensors(Switzerland),vol.16,no.2,Feb.2016,doi:10.3390/s16020220.[8]J.W.G.Putra,“PengenalanKonsepPembelajaranMesindanDeepLearning,”Comput.Linguist.Nat.Lang.Process.Lab.,vol.4,pp.1–235,2019,[Online].Available:https://www.researchgate.net/publication/323700644.[9]G.Ciaburro,MATLABforMachineLearning,vol.1,no.1.Packt,2018.[10]C.C.Aggarwal,“RestrictedBoltzmannMachines,”NeuralNetworksandDeepLearning,pp.235–270,2018.[11]S.V.Lab,S.University,andP.University,“ImageNet,”https://image-net.org/index.php,2020.https://image-net.org/index.php(diakses27Maret,2021).[12]D.Krisrenanto,M.Rivai,andF.Budiman,“IdentifikasiJumlahdanTingkatAktivitasOrangBerbasisPengolahanCitraMenggunakanRaspberryPi,”J.Tek.ITS,vol.6,no.1,p.A-110-A-115,2017,doi:10.12962/j23373539.v6i1.21397.[13]L.Liuetal.,“DeepLearningforGenericObjectDetection:ASurvey,”Int.J.Comput.Vis.,vol.128,no.2,pp.261–318,Feb.2020,doi:10.1007/s11263-019-01247-4.[14]B.Petrovska,I.Stojanovic,andT.Atanasova-Pacemska,“ClassificationofSmallSetsofImageswithPre-trainedNeuralNetworks,”Int.J.Eng.Manuf.,vol.8,no.4,pp.40–55,Jul.2018,doi:10.5815/ijem.2018.04.05.[15]Y.Rizk,N.Hajj,N.Mitri,andM.Awad,“Deepbeliefnetworksandcorticalalgorithms:Acomparativestudyforsupervisedclassification,”Appl.Comput.Informatics,vol.15,no.2,pp.81–93,Jul.2019,doi:10.1016/j.aci.2018.01.004.

PlumX Metrics

Published
2022-10-05