Nama : Iqrar Agalosi Nureyza Program Studi : Ilmu Komputer Judul : Pengembangan Sistem Klasifikasi Otomatis Makanan Tra- disional Pembimbing : Ari Wibisono, S.Kom., M.Kom Pengetahuan makanan tradisional adalah aspek penting dalam kehidupan manusia. Dari aspek sosial budaya, Pengetahuan terkait makanan tradisional diperlukan un- tuk melindungi budaya leluhur. Dari segi kesehatan, makanan tradisional memiliki kandungan bahan yang lebih baik dan alami dibandingkan dengan bahan makanan olahan seperti makanan cepat saji. Berdasarkan latar belakang ini, sebuah sistem klasifikasi otomatis makanan tradisional dikembangkan. Data diakuisisi dengan menggunakan kamera pribadi yang diambil di sebuah studio yang sudah diatur se- cara profesional ditambah dengan data makanan tambahan yang berasal dari inter- net. Total keseluruhan data yang dimiliki ada 3500 data makanan yang terbagi ke dalam 35 jenis makanan tradisional. Setiap jenis terdiri dari 100 data makanan. Data dibagi menjadi data latih dan data uji dengan perbandingan 8:2. 6 model CNN dikembangkan untuk melakukan klasifikasi pada data ini. Model yang diuji- cobakan adalah DenseNet121, ResNet50, EfficientNetBO, Inception V3, Xception, dan CoAtNet0. Sebuah model generatif dikembangkan demi bisa melakukan aug- mentasi data pada data makanan yang ada. Hasil evaluasi mengindikasikan bahwa model CoAtNet memiliki fl score lebih tinggi dibandingkan DenseNet 121 milik peneliti sebelumnya yaitu sebesar 0.01958. Dengan nilai F1 score ini, model terse- but masih belum mampu melakukan klasifikasi makanan yang sudah ditambahkan dengan data lain. Di sisi lain, model generatif juga gagal dalam melakukan augmen- tasi data karena kekurangan jumlah data latih. Model yang sudah dicoba kemudian di-deploy ke aplikasi berbasis web agar dapat diuji coba oleh pengguna. Pengguna dapat menjadi kontributor dalam memberikan data latih kepada dataset yang ada melalui aplikasi web ini. Kata kunci: Makanan tradisional, image classification, convolutional neural network, Web ap- plication.

Name : Iqrar Agalosi Nureyza Study Program : Computer Science Title :Automatic Traditional Food Classification System Counsellor : Ari Wibisono, S.Kom., M.Kom Traditional food knowledge is an important aspect of human life. From a socio- cultural aspect, traditional food-related knowledge is needed to protect ancestral culture. In terms of health, traditional food has better and natural ingredients com- pared to processed food such as fast food. Based on this background, a traditional food classification automatic system was implemented. Data was acquired using a personal camera taken in a professionally organised studio and additional food data from the internet. In total, there are 3500 food data divided into 35 types of tradi- tional food. Each type consists of 100 food data. The data is divided into training data and test data with a ratio of 8:2. 6 CNN models were developed to perform clas- sification on this data. The models tested were DenseNet 121, ResNet50, Efficient- NetBO, Inception V3, Xception, and CoAtNet0. A generative model was developed in order to perform data augmentation on the existing food data. The evaluation results indicate that the CoAtNet model has a higher fl score than the previous re- searcher's DenseNet 121, which is 0.01958. With this F1 score, the model is still unable to classify food that has been added with other data. On the other hand, the generative model also failed to perform data augmentation due to lack of training data. The tested model was then deployed to a web-based application so that it could be tested by users. Users can become contributors in providing training data to the existing dataset through this web application. Key words: Traditional food knowledge, image classification, convolutional neural network, web application.