Implementation of Convolutional Neural Network (CNN) Method for Fish Processed Cuisine Image Identification Application with Google Maps Features

Authors

  • Rachmad Saptono Politeknik Negeri Malang
  • Abdul Rasyid Politeknik Negeri Malang
  • Waluyo Waluyo Politeknik Negeri Malang
  • Farida Arinie Soelistianto Politeknik Negeri Malang

DOI:

https://doi.org/10.58812/wsist.v2i01.863

Keywords:

Convolutional Neural Network, Smartphone, Processed Fish Dishes, Accuracy, Google Maps

Abstract

The rapid advancement of science and technology encourages dynamic transformation in various sectors, especially in the field of information and communication technology (ICT), especially with the existence of Android-based smartphones. This advancement revolutionizes the way we access information, especially about various processed fish dishes in Indonesia. However, despite the plethora of culinary offerings, travelers often find it difficult to discover traditional dishes through social media platforms. To bridge this gap, a new app that utilizes artificial neural networks has been developed. The app allows users to photograph and upload images of processed fish dishes to recognize and provide detailed descriptions and recipes. In addition, integrating Google Maps makes it easy for users to find nearby places that serve these dishes. Testing the app with a dataset consisting of 1577 images of six types of processed fish dishes yielded promising results, with accuracy reaching 97.57% over 120 epochs. This innovation not only preserves cultural heritage but also enhances the culinary experience for locals and tourists.

References

A. M. Riyal Mulyana, “Rancang Bangun Aplikasi Informasi Katalog Makanan Lokal Berbasis Android,” Jurnal Algoritma, Vol. %1 dari %2Vol.16, No.1, pp. 1-8, 2018.

M. T. Minta Harsana, “Potensi Makanan Tradisional Sebagai Daya Tarik Wisata Kuliner Di DI Yogyakarta,” Prosiding Pendidikan Teknik Boga Busana, Vol. %1 dari %2Vol.15, No.1, 2020.

H. K. Harminto Mulyo, “Object Detection pada CCTV untuk Smart City Kabupaten Kendal,” AMRI (Analisa, Metode, Rekayasa, Informatika), Vol. %1 dari %2Vol. 1, No. 2, pp. 121-124, 2022.

R. P. K. R. D. A. Muhammad Rafly Alwanda, “Implementasi Metode Convolutional Neural Network Menggunakan Arsitektur LeNet-5 Wuntuk Pengenalan Doodle,” Jurnal Algoritme, Vol. %1 dari %2Vol. 1, No. 1, pp. 45-56, Oktober 2020.

S. R. Dewi, “Deep Learning Object Detection Pada Video Menggunakan Tensorflow dan Convolutional Neural Network,” Tugas Akhir, 2018.

E. Pertiwi, “Penerapan Image Recognition Pada Aplikasi Pengenalan Bumbu Dapur Dengan Augmented Reality Berbasis Unity Android Di Bagansiapiapi Kabupaten Rokan Hilir (Doctoral Dissertation, Stmik Amik Riau,” Doctoral Dissertation, Stmik Amik Riau, 2021.

I. D. G. H. W. Citra Mahaputri, “Pengenalan Makanan Tradisional Nusantara dengan Menggunakan Metode Convolutional Neural Network (CNN),” JISCOM, 2022.

Y. K. E. S. Citra Mahaputri, “Pengenalan Makanan Tradisional Indonesia Beserta Bahan-bahannya dengan Memanfaatkan DCNN Transfer Learning,” Journal of Intelligent System and Computation, Oktober 2022.

R. C. W. C. D. Achmad Yusuf, “Klasifikasi Emosi Berdasarkan Ciri Wajah Menggunakan Convolutional Neural Network,” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, Vol. %1 dari %2Vol. 3, No. 11, pp. 10595-10604, November 2019.

Y. H. S. M. M. Helmi Fauzi Siregar, “Perancangan Aplikasi Komik Hadist Berbasis Multimedia,” (JurTI) Jurnal Teknologi Informasi, Vol. %1 dari %2Vol.2, No.2, pp. 113-121, 2019.

E. S. Frida Dwi Anggraeni, “SanitasiI Peralatan dan Penggunaan Pewarna Makanan Sintesis Pada Jajanan Tradisional (Cenis dan Lupis) di Kelurahan Arjosari Kota Malang,” Jurnal Aplikasi dan Inovasi Ipteks, Vol. %1 dari %2Vol. 2, No. 2, pp. 76-83, Oktober 2019.

H. R. Yunita Sari, “Aplikasi Tracking Pedagang Keliling Dengan GPS Google Maps API Berbasis Android,” ikraith-informatika, pp. 178-191, 2021.

A. P. W. Lutfa Ibtihaji Ilhama, “Pengembangan Aplikasi Pesan Instan Terenkripsi Menggunakan Algoritma Kriptografi AES (Advanced Encryption Standard),” JES (Jurnal Elektro Smart), Vol. %1 dari %2Vol.1, No.1, pp. 1-6, 2021.

S. M. A. Puja Anggeli, “Klasifikasi Alat Musik Tradisional dengan Metode Machine Learning dengan Librosa dan Tensorflow pada Python,” J-SAKTI (Jurnal Sains Komputer dan Informatika), Vol. %1 dari %2Vol.5, No.2, pp. 949-956, 2021.

D. D. F. S. Mohammad Suhatsyah, “Aplikasi Pemetaan Objek Wisata Di Kabupaten Karimun Dengan Layanan Location Based Service Berbasis Android,” Jurnal Tikar, Vol. %1 dari %2Vo.3, No.1, pp. 1-8, 2022.

A. W. Robby Kamil, “Perancangan Aplikasi Bahasa Isyarat “Isyaratku” Dengan Deep Learning Serta Google Cloud Platform,” Simpatik: Jurnal Sistem Informasi dan Informatika, Vol. %1 dari %2Vol.1, No.2, pp. 90-97, 2021.

T. U. D. H. Rianto Sitanggang, “Rancang Bangun Sistem Penjualan Tanaman Hias Berbasis Web Menggunakan Php Dan Mysql,” Jurnal Teknologi Kesehatan Dan Ilmu Sosial, Vol. %1 dari %2Vol.4, No.1, pp. 84-90, 2022.

A. A. E. A. Y. Septiana Ningtyas, “Penerapan Metode Cloud Recognition Pada Aplikasi Augmented Reality Pengenalan Jenis Buah-Buahan,” JEIS: Jurnal Elektro dan Informatika Swadharma, Vol. %1 dari %2Vol.1, No.1, pp. 26-30, 2021.

M. S. H. Dicky Adityanta Sinuraya, “Pemeriksa Lembar Jawaban dengan Image Recognition,” Journal Of Informatics And Telecommunication Engineering, Vol. %1 dari %2Vol.2, No.1, pp. 1-8, 2018.

M. Aman, “Pengembangan Aplikasi History GPS Tracker Berbasis Web Pada Handphone,” JIKEM: Jurnal Ilmu Komputer, Ekonomi Dan Manajemen, Vol. %1 dari %2Vol.1, No.1, pp. 17-29, 2020.

Downloads

Published

2024-04-30

How to Cite

Saptono, R., Rasyid, A., Waluyo, W., & Soelistianto, F. A. (2024). Implementation of Convolutional Neural Network (CNN) Method for Fish Processed Cuisine Image Identification Application with Google Maps Features. West Science Information System and Technology, 2(01), 90–102. https://doi.org/10.58812/wsist.v2i01.863