1.png)
Media Pembelajaran Pengenalan Buah (Fruits Zone) untuk Anak KB Menggunakan Deep Learning
Sari
ABSTRAK
Keterbatasan media pembelajaran dan metode pembelajaran yang masih terpusat pada kemampuan guru menjadi kendala bagi Pos Alamanda 105 Jumerto, Jember. Dibutuhkan sebuah media pembelajaran yang interaktif dan dapat diakses dimanapun untuk meningkatkan kemampuan siswa khususnya dalam pengenalan buah. Solusinya, peneliti mengembangkan media pembelajaran interaktif pengenalan buah pada anak usia dini. Metode yang digunakan adalah Deep Learning (CNN) dengan arsitektur yaitu Resnet18. Arsitektur Resnet-18 dipilih karena tidak menghilangkan gradien dan fitur citra meski layer yang digunakan semakin dalam, sehingga connected layer dapat mengenali objek dengan akurat. Penelitian ini menggunakan 21 jenis buah populer dan buah unik yang dilengkapi fitur suara berbahasa Indonesia dan Bahasa Inggris. Jumlah data sebanyak 2100 citra buah dengan learning rate sebesar 0.0002 dan maksimal epoch sebesar 100 mampu mengklasifikasikan buah dengan tingkat akurasi sebesar 96% (pelatihan sistem) dan 95% (pengujian sistem).
Kata Kunci: Media Pembelajaran, Fruits Zone , Deep Learning, ResNet18
ABSTRACT
Limitations in learning media and teaching methods that are still centered on teachers' abilities pose challenges for Pos Alamanda 105 in Jumerto, Jember. An interactive learning media accessible anywhere is needed to enhance students' abilities, especially in fruit recognition. The solution is researchers developing an interactive early childhood fruit recognition learning media. The method used is Deep Learning (CNN) with the Resnet18 architecture. Resnet-18 architecture is chosen because it preserves gradients and image features even as the layers go deeper, allowing the connected layer to accurately recognize objects. This study covers 21 popular and unique fruits with voice features in Indonesian and English. With 2100 fruit images, a learning rate of 0.0002, and a maximum epoch of 100, the system achieves a classification accuracy of 96% (training) and 95% (testing).
Keywords: Learning Media, Fruits Zone , Deep Learning, ResNet18
Teks Lengkap:
PDFReferensi
Arrofiqoh, E. N., & Harintaka, H. 2018. Implementasi Metode Convolutional Neural Network Untuk Klasifikasi Tanaman Pada Citra Resolusi Tinggi. Geomatika, 24(2), 61. https://doi.org/10.24895/jig.2018.24-2.810
Bambang Pilu Hartato. 2021. Penerapan Convolutional Neural Network pada Citra Rontgen Paru-Paru untuk Deteksi SARS-CoV-2. Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), 5(4), 747–759. https://doi.org/10.29207/resti.v5i4.3153
Elvin, E., & Lubis, C. 2022. Klasifikasi Citra Ikan Menggunakan Convolutional Neural Network. Jurnal Ilmu Komputer dan Sistem Informasi, 10(1). https://doi.org/10.24912/jiksi.v10i1.17827
Fitri, D., Putri, A., Komariah, S. I., Permatasari, I., Fitri, E., Mujibtamala, A., & Imron, N. 2023. Peningkatan Kemampuan Berbahasa Inggris pada Anak Usia Dini Melalui Media Pembelajaran Fruits Zone di Pos Paud Alamanda 105 Kabupaten Jember. 1(10), 2621–2630.
Fitri, Z. E., Komariah, S. I., Sahenda, L. N., Phoa, V., Widiastuti, R. Y., Mujibtamala, A., & Imron, N. 2024. Interactive Learning Media for Fruit Recognition in Early Childhood Using Backpropagation. 2–8. https://doi.org/10.4108/eai.18-11-2023.2342565
Fitri, Z. E., Sahenda, L. N., Oktaviari, R., Putra, P., Zulkarnain, M. I., Triasasti, A. A., & Mustofa, Z. A. 2022. Attractive Learning Media for Introduction to Popular Fruits Using Computer Vision. 14–19.
Hibatullah, A., & Maliki, I. 2019. Penerapan Metode Convolutional Neural Network Pada Pengenalan Pola Citra Sandi Rumput. 1–8.
Magdalena, I., Fatakhatus Shodikoh, A., Pebrianti, A. R., Jannah, A. W., Susilawati, I., & Tangerang, U. M. 2021. Pentingnya Media Pembelajaran Untuk Meningkatkan Minat Belajar Siswa Sdn Meruya Selatan 06 Pagi. EDISI : Jurnal Edukasi dan Sains, 3(2), 312–325.
Maghfiroh, & Shofia Suryana, D. 2021. Pembelajaran di Pendidikan Anak Usia Dini. Jurnal Pendidikan Tambusai, 05(01), 1561.
Muhamammadiyah Jember, U., Rizki Ramadhani, I., & Nilogiri, A. 2022. Klasifikasi Jenis Tumbuhan Berdasarkan Citra Daun Menggunakan Metode Convolutional Neural Network Classification Of Plants Based On Leaf Image Using Convolutional Neural Network Method. Jurnal Smart Teknologi, 3(3), 2774–1702.
Na’imah, N. 2022. Urgensi Bahasa Inggris Dikembangkan Sejak Anak Usia Dini. Jurnal Obsesi : Jurnal Pendidikan Anak Usia Dini, 6(4), 2564–2572. https://doi.org/10.31004/obsesi.v6i4.1916
Qotrunnada, F. M., & Utomo, P. H. 2022. Metode Convolutional Neural Network untuk Klasifikasi Wajah Bermasker. Prisma, 5, 799–807.
Sahenda, L. N., Fitri, Z. E., Choirunnisa, S., & Ardi, P. 2022. Game Edukasi Popular Fruit Bilingual sebagai Media Pembelajaran Anak Usia Dini di KB Nurul Kharomah Kabupaten Jember. 20–25.
Suartika E. P, I. W. 2016. Klasifikasi Citra Menggunakan Convolutional Neural Network (Cnn) Pada Caltech 101Dewa, C. K., Fadhilah, A. L., & Afiahayati, A. (2018). Convolutional Neural Networks for Handwritten Javanese Character Recognition. IJCCS (Indonesian Journal of Computing an. Jurnal Teknik ITS, 5(1), 76.
Sulaiman, U., Ardianti, N., & Selviana, S. 2019. Tingkat Pencapaian Pada Aspek Perkembangan Anak Usia Dini 5-6 Tahun Berdasarkan Strandar Nasional Pendidikan Anak Usia Dini. NANAEKE: Indonesian Journal of Early Childhood Education, 2(1), 52. https://doi.org/10.24252/nananeke.v2i1.9385
Thongpance, N., Dangyai, P., Roongprasert, K., & Wongkamhang, A. 2023. Exploring ResNet-18 Estimation Design through Multiple Implementation Iterations and Techniques in Legacy Databases. 4(5), 650–661. https://doi.org/10.18196/jrc.v4i5.19589
Wulandari, A. P., Salsabila, A. A., Cahyani, K., Nurazizah, T. S., & Ulfiah, Z. 2023. Pentingnya Media Pembelajaran dalam Proses Belajar Mengajar. Journal on Education, 5(2), 3928–3936. https://doi.org/10.31004/joe.v5i2.1074
Wulandari, I., Yasin, H., & Widiharih, T. 2020. Klasifikasi Citra Digital Bumbu Dan Rempah Dengan Algoritma Convolutional Neural Network (Cnn). Jurnal Gaussian, 9(3), 273–282. https://doi.org/10.14710/j.gauss.v9i3.27416
DOI: https://doi.org/10.26760/mindjournal.v9i1.13-24
Refbacks
- Saat ini tidak ada refbacks.
____________________________________________________________
ISSN (cetak) : 2338-8323 | ISSN (elektronik) : 2528-0902
diterbitkan oleh:
Informatika Institut Teknologi Nasional Bandung
Alamat : Gedung 2 Jl. PHH. Mustofa 23 Bandung 40124
Kontak : Tel. 7272215 (ext. 181)Â Fax. 7202892
Email : mind.journal@itenas.ac.id
____________________________________________________________
Statistik Pengunjung :
Jurnal ini terlisensi oleh Creative Commons Attribution-ShareAlike 4.0 International License.
