APLIKASI PENCARI INFO PADA KEMASAN MAKANAN DENGAN CITRA TEKS BERBASIS ANDROID DENGAN METODE DEEP CONVOLUTIONAL NEURAL NETWORK (DCNN)

FRANSISKA SUSILAWATI NAINGGOLAN, MELVA SIMANJUNTAK, EDI APRIYANTO (2019) APLIKASI PENCARI INFO PADA KEMASAN MAKANAN DENGAN CITRA TEKS BERBASIS ANDROID DENGAN METODE DEEP CONVOLUTIONAL NEURAL NETWORK (DCNN) , SKRIPSI, UNIVERSITAS PRIMA INDONESIA

ABSTRAK

Aplikasi  Pencari Info pada Kemasan Makanan dengan Masukan Citra berbasis Android adalah salah satu aplikasi yang dapat memudahkan penggunanya untuk melihat deskripsi kandungan yang ada pada kemasan makanan. Aplikasi ini menggunakan metode Deep Convolutional Neural Network (DCNN) yang mampu menunjukan performa luar biasa pada bidang image recognition terutama pada bidang pengenalan karakter, karena DCNN memiliki performa yang mampu mengesktraksi high-level features. Informasi  yang  detail pada kemasan makanan biasanya tertulis pada kemasan makanan dengan ukuran font yang kecil sehingga menyulitkan konsumen untuk membacanya, dan pada kemasan makanan juga tidak terdapat harga jual dari produk tersebut. Hal tersebut  menyulitkan konsumen yang  hanya ingin mengetahui informasi dan harga produk makanan tersebut. Diperlukan suatu cara untuk mendapatkan versi teks dari citra merek kemasan makanan dan untuk menjadi kata kunci pencarian pada situs pelayanan informasi makanan. Pada laporan ini, akan diteliti tentang pengolahan citra digital khususnya dalam bidang pengenalan pola untuk menganalisa judul yang terdapat dalam kemasan makanan secara realtime. Penelitian ini akan memanfaatkan kamera smartphone yang digunakan untuk mendeteksi objek yang dikhususkan hanya pada kemasan makanan untuk melihat harga, komposisi, merek, berat bersih dan deskripsi dari kemasan makanan tersebut berdasarkan kemasan makanan yang dideteksi.

JURNAL
KATEGORI JURNAL Jurnal Internasional Bereputasi
TAHUN JURNAL 2019
VOLUME JURNAL 0
NOMOR JURNAL 0
NAMA PENERBIT IOPscience
NOMOR ISSN/ISBN 17426596
LAMAN PENERBIT (URL) https://iopscience.iop.org/issue/1742-6596/1230/1
LAMAN ARTIKEL (URL) https://iopscience.iop.org/article/10.1088/1742-6596/1230/1/012078