Evaluasi Akhir Semester (UAS): Rancang Bangun Aplikasi Web Klasifikasi Citra Berbasis Teachable Machine

Evaluasi Akhir Semester (UAS): Rancang Bangun Aplikasi Web Klasifikasi Citra Berbasis Teachable Machine

Proyek akhir mata kuliah Kecerdasan Komputasional yang mengintegrasikan model deep learning transfer learning (MobileNet) melalui platform Google Teachable Machine ke dalam antarmuka aplikasi web interaktif untuk klasifikasi citra makanan (food recognition) secara real-time.

1. Arsitektur dan Alur Kerja Sistem

1. Akuisisi dan Anotasi Dataset: Pengumpulan ribuan citra sampel dari berbagai kelas kategori makanan dengan variasi pencahayaan, sudut pengambilan gambar, dan latar belakang.
2. Transfer Learning via MobileNet: Memanfaatkan bobot model prapelatihan (pre-trained weights) yang telah dioptimalkan untuk perangkat berdaya rendah, kemudian melakukan fine-tuning pada lapisan klasifikasi akhir (dense layers).
3. Ekspor Model TensorFlow.js: Mengekspor model teroptimasi ke dalam format model JSON dan weights binary untuk inferensi langsung pada peramban web (client-side execution) tanpa memerlukan latensi komputasi server.
4. Integrasi Antarmuka Web: Pengembangan antarmuka interaktif yang mengakses kamera webcam pengguna menggunakan WebRTC API, memproses frame video secara berkala, dan menampilkan bilah probabilitas prediksi kelas secara responsif.

2. Berkas Ujian Terlampir

• Laporan akhir proyek UAS: 240411100085_Moch. Zamroni Fahreza.pdf yang mendokumentasikan metodologi pengumpulan data citra, pelatihan model, arsitektur aplikasi web, hasil pengujian akurasi, dan analisis confusion matrix.
• Arsip kode sumber aplikasi web: food-recog-web-project.zip yang memuat kode HTML/CSS/JavaScript, berkas model model.json, metadata.json, dan weights.bin siap saji.