Deteksi Gula Aren dengan CNN Berbasis AlexNet sebagai Solusi Keamanan Pangan untuk Penderita Diabetes

Abstract

Gula aren merupakan alternatif pemanis bagi penderita diabetes, karena memiliki glikemik indeks antara 35-55 lebih rendah daripada gula putih di kisaran indeks 70 Gula aren bisa menjadi alternatif yang lebih baik daripada gula putih bagi penderita diabetes, tetapi bukan berarti bebas risiko Gula aren memang memiliki bentuk fisik yang sangat mirip dengan gula kelapa, dan keduanya sering kali sulit dibedakan secara kasat mata Situasi ini menyebabkan keraguan dalam pengambilan keputusan oleh konsumen dalam membedakan gula aren dan gula kelapa. Proses fase pengujian model CNN dalam penelitian ini melibatkan beberapa tahapan, dimulai dari pengumpulan dataset, preprocessing data, pelatihan model, hingga evaluasi performa. Langkah pertama adalah mengimpor pustaka-pustaka yang diperlukan untuk pemrosesan gambar, analisis data, visualisasi, serta pembangunan dan evaluasi model pembelajaran mesin menggunakan TensorFlow dan Keras. Selain itu, pustaka tambahan seperti os, shutil, dan sklearn juga digunakan untuk manajemen file.Lapisan Dense Pertama Lapisan ini terdiri dari 128 neuron, masing-masing menggunakan fungsi aktivasi ReLU. Lapisan ini bertanggung jawab untuk mengintegrasikan fitur-fitur yang telah diekstraksi sebelumnya dan mengonversinya ke dalam bentuk representasi yang lebih padat. Jumlah total parameter yang dilatih pada lapisan ini adalah 2,097,408. Sistem yang dirancang menunjukkan performa yang sangat baik, sebagaimana dibuktikan oleh hasil evaluasi 0,33102 menunjukkan kesalahan prediksi yang hampir tidak ada. Akurasi pengujian mencapai 100%, yang berarti seluruh data uji berhasil diklasifikasikan dengan benar oleh model. Confusion matrix memperkuat hasil 4 true label dan predicted label gula aren, dengan distribusi klasifikasi yang sempurna pada kedua kategori waktu rata-rata sekitar 453 milidetik per langkah (453 ms/step).