Skripsi
DETEKSI KADAR NATRIUM MENGGUNAKAN FEATURE PYRAMID NETWORK DENGAN ALGORITMA FASTER R-CNN DAN OPTICAL CHARACTER RECOGNITION PADA LABEL PRODUK KEMASAN
- Bagikan:
Label informasi gizi, khususnya mengenai kadar natrium, memiliki peran penting dalam mendukung pilihan konsumsi yang lebih sehat. Namun, kesadaran masyarakat terhadap informasi ini masih rendah, dan label sering kali diabaikan. Penelitian ini bertujuan merancang sistem otomatis yang mampu mendeteksi dan mengekstraksi informasi kadar natrium langsung dari label kemasan produk. Sistem memanfaatkan pendekatan deteksi objek untuk mengenali area label informasi gizi menggunakan Feature Pyramid Network (FPN) yang dikombinasikan dengan algoritma Faster R-CNN, dan diimplementasikan melalui framework Detectron2. Sementara itu, proses pengenalan teks kadar natrium dilakukan menggunakan Tesseract OCR. Data yang digunakan terdiri atas 3.028 gambar yang dibagi untuk proses pelatihan, validasi, dan pengujian. Hasil pelatihan menunjukkan tingkat akurasi deteksi sebesar 98,9% pada metrik AP50 dan 85,00% pada AR MaxDets=100, sedangkan pengujian pada 400 gambar menghasilkan akurasi rata-rata 85,13% dalam mengenali informasi terkait natrium. Beberapa kesalahan masih terjadi, terutama disebabkan oleh kualitas visual yang rendah seperti gambar yang buram, posisi label yang tidak sejajar, pantulan cahaya, atau bentuk teks yang terlalu tebal. Sistem ini memiliki potensi untuk dimanfaatkan sebagai alat bantu otomatis dalam pembacaan label gizi, meskipun masih diperlukan penyempurnaan lebih lanjut untuk menangani berbagai kondisi visual pada kemasan.
Detail Information
| Item Type |
Skripsi
|
|---|---|
| Penulis |
Ruvina F. Malelak - Personal Name
|
| Student ID |
2106080013
|
| Dosen Pembimbing |
ADRIANA FANGGIDAE - 197811102003122002 - Dosen Pembimbing 1
Tiwuk Widiastuti, S.Si., M.Kom - 198003052005012002 - Dosen Pembimbing 2 |
| Penguji |
Adriana Fanggidae - 197811102003122002 - Ketua Penguji
Tiwuk Widiastuti - 198003052005012002 - Penguji 1 Arfan Yeheskiel Mauko - 198005202008121003 - Penguji 2 |
| Kode Prodi PDDIKTI |
55201
|
| Edisi |
Published
|
| Departement |
Ilmu Komputer
|
| Kontributor | |
| Bahasa |
Indonesia
|
| Penerbit | UPT Perpustakaan Undana : Kupang., 2025 |
| Edisi |
Published
|
| Subyek | |
| No Panggil |
550. 21 Mal R
|
| Copyright |
Individu Penulis
|
| Doi |