Implementation of Compensation for Oil Pollution by Tanker Ships in the Indonesian Legal System
Elly Kristiani Purwendah, Dewa Gede Sudika Mangku
Abstract
Indonesia adalah negara yang memiliki kekayaan kuliner yang beragam, namun tantangan dalam mengidentifikasi dan mengklasifikasikan makanan tradisional semakin meningkat, terutama di kalangan generasi muda. Penelitian ini bertujuan untuk mengoptimalkan model deep learning dalam meningkatkan akurasi klasifikasi citra makanan khas Jawa dan Sumatera menggunakan pendekatan transfer learning. Dataset yang digunakan terdiri dari 595 citra makanan dari 14 provinsi di Pulau Jawa dan Sumatera. Implementasi dilakukan menggunakan dua arsitektur, yaitu VGG16 dan ResNet50, dengan menerapkan teknik preprocessing dan augmentasi data untuk meningkatkan kualitas dan variasi dataset. Hasil penelitian menunjukkan peningkatan signifikan dibandingkan penelitian sebelumnya yang menggunakan CNN custom (64%), dimana model ResNet50 mencapai akurasi tertinggi sebesar 90%, sementara VGG16 mencapai akurasi 88%. Meskipun menghadapi tantangan seperti ketidakseimbangan dataset dan kompleksitas visual, kedua model menunjukkan kemampuan yang baik dalam mengklasifikasikan makanan tradisional. Penelitian ini memberikan kontribusi dalam pengembangan sistem klasifikasi makanan tradisional yang lebih akurat, yang dapat membantu upaya pelestarian dan promosi warisan kuliner nusantara.