Sistem Self-Checkout Produk Sembako Menggunakan Metode Convolutional Neural Networks
Main Article Content
Abstract
Terdapat banyak toko kelontong dari yang kecil hingga yang besar. Toko kelontong menjual berbagai produk mulai dari sayuran, buah-buahan, makanan instan, makanan ringan dan lain sebagainya. Toko kelontong yang besar atau dikenal dengan grocery store, dapat memiliki banyak pengguna pada saat yang bersamaan. Terdapat beberapa loket kasir yang disediakan untuk melayani pelanggan selama proses pembayaran. Bagi pelanggan yang memiliki banyak barang belanjaan akan memakan waktu yang lama saat dikasir dan dapat menyebabkan antrian yang panjang. Sistem akan menerima input citra yang didalamnya terdapat beberapa produk. Sistem ini akan melakukan pendeteksian dan pengenalan produk dengan menggunakan metode Faster R-CNN dan arsitektur ResNet-101. Setelah produk berhasil diidentifikasi, akan ditampilkan daftar dari produk beserta harga dan total harga keseluruhan. Pendeteksian dan pengenalan produk untuk 1 produk yang berada dalam 1 frame mendapatkan akurasi sebesar 84%, untuk 3 produk yang berada dalam 1 frame mendapatkan akurasi sebesar 44%, dan untuk 5 produk yang berada dalam 1 frame mendapatkan akurasi sebesar 12%.
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
This work is licensed under Creative Commons Attribution-ShareAlike 4.0 International License.
References
Suciati, 2012, Jenis gerai atau toko, Jurnal Pendidikan Kesejahteraan Keluarga.
Herlambang, M. F., 2020, TA: PENGENALAN KARAKTER HURUF BRAILLE DENGAN METODE CONVOLUTIONAL NEURAL NETWORK, Tesis, Fakultas Teknik Informatika, Institut Teknologi Nasional Bandung.
Mandal, M., 2021, Introduction to Convolutional Neural Networks (CNN), https://www.analyticsvidhya.com/blog/2021/05/convolutional-neural-networks-cnn/, diakses tanggal 25 Agustus 2023.
Saha, S., 2018, A Guide to Convolutional Neural Networks — the ELI5 way, https://saturncloud.io/blog/a-comprehensive-guide-to-convolutional-neural-networks-the-eli5-way/, diakses tanggal 25 Agustus 2023.
Ren, S., He. K., Girshick, R., Sun, J., 2015, Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks, Advances in neural information processing systems, Vol. 28.
Harahap, M., Laia, E. M., Sitanggang, L. S., Sinaga, M., Sihombing, D. F., Husein, A. M., 2022, Deteksi Penyakit Covid-19 Pada Citra X-Ray Dengan Pendekatan Convolutional Neural Network (CNN), Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), Vol. 6(1), hal 70-77.
He, K., Zhang, X., Ren, S., Sun, J., 2016, Deep residual learning for image recognition, Proceedings of the IEEE conference on computer vision and pattern recognition, Hal 770-778.