Aplikasi Pembacaan Resep Obat Menggunakan Convolutional Neural Network

Latar Belakang : Obat merupakan bahan kimia yang dapat merepresentasikan tubuh secara fisiologi dan psikologi ketika dikonsumsi. Obat sebagai alat bantu untuk menyembuhkan dari berbagai macam penyakit. Dengan berkembangnya zaman dan bertambahnya wawasan, menyebabkan bertambah juga jenis obat-obatan yang memiliki banyak manfaat dan kegunaanya. Pada penelitian sebelumnya telah dilakukan klasifikasi nama obat dengan menggunakan metode GLCM dan Backpropagation. Hasil dari penelitian sebelumnya mendapatkan nilai akurasi 70 dengan menggunakan metode Backpropagation. Tujuan : Pada penelitian ini bertujuan untuk mendeteksi nama obat menggunakan Convolutional Neural Network dengan transfer learning. Metode transfer learning merupakan metode yang popular dalam mengklasifikasi gambar digital. Metode : Penelitian ini akan membandingkan lima artistektur transfer learning dari CNN. Kelima arsitektur yang digunakan yaitu VGG, Resnet, Xception, Lenet, dan GoogleNet. Pada penelitian ini juga akan menggunakan Grayscale, Median Filter, dan Resize pada tahap preprocessing. Preprocessing digunakan untuk meningkatkan nilai citra pada gambar nama obat dan menghilangkan noise pada gambar. Hasil : Resnet merupakan model terbaik untuk mengklasifikasi nama obat. Pada percobaan menggunakan Resnet, mendapatkan F1 skor sebesar 97,56 dan waktu training rata-rata 0.25 detik setiap epoch. Kesimpulan : Dari hasil akurasi setiap model arsitektur transfer learning yang dilakukan percobaan, Resnet mendapatkan nilai F1 skor tertinggi. Dapat disimpulkan Resnet merupakan model terbaik untuk mengklasifikasikan nama obat serta dapat mendeteksi nama obat secara akurat