Pendahuluan
Makanan khas merupakan bagian penting dari warisan budaya dan sosial Indonesia, yang mencerminkan identitas unik dan karakteristik setiap daerah. Variasi makanan khas dipengaruhi oleh lokasi geografis, distribusi rempah-rempah, dan kebiasaan masyarakat setempat, sehingga menciptakan rasa yang khas dan variasi penyajian yang beragam. Kota Pasuruan, yang terletak di Provinsi Jawa Timur, memiliki beberapa makanan khas yang terkenal, seperti BipangANGKAr, Botok Tempe, Cenil, dan Klepon.
Makanan Khas Kota Pasuruan
- BipangANGKAr: Makanan tradisional yang terbuat dari nasi yang dipanggang hingga renyah dengan cita rasa gurih dan manis.
- Botok Tempe: Hidangan berbahan dasar tempe yang dibungkus daun pisang dan dikukus bersama kelapa parut serta bumbu rempah.
- Cenil: Jajanan tradisional dengan tekstur kenyal, biasanya disajikan dengan taburan kelapa parut dan gula merah cair.
- Klepon: Kue tradisional berbentuk bulat kecil, berisi gula merah cair, dan dilapisi kelapa parut di luar.
Meski makanan-makanan tersebut cukup dikenal, masyarakat sering kesulitan membedakan makanan khas Pasuruan dengan makanan khas dari daerah lain, terutama jika terdapat kemiripan dalam bentuk atau cara penyajiannya.
Penelitian Pengklasifikasian Makanan Khas
Dalam konteks ini, penelitian tentang pengklasifikasian gambar makanan khas Pasuruan menjadi penting. Penelitian ini menggunakan algoritma Convolutional Neural Network (CNN), sebuah jaringan saraf tiruan yang dirancang khusus untuk memproses data visual atau gambar. CNN dikenal efektif dalam mengenali dan mendeteksi objek pada gambar dengan tingkat akurasi yang tinggi.
Metodologi Penelitian
Penelitian ini menggunakan 1000 data gambar makanan khas Pasuruan, yang terdiri dari empat jenis makanan: BipangANGKAr, Botok Tempe, Cenil, dan Klepon. Proses pelatihan model dilakukan menggunakan satu unit Graphical Processing Unit (GPU) dalam skenario 2. Hasilnya, waktu pelatihan berhasil dikurangi menjadi 335 detik. Konfigurasi model meliputi:
- 32 filter pada konvolusi pertama,
- 64 filter pada konvolusi kedua,
- 128 filter pada konvolusi ketiga.
Dengan konfigurasi tersebut, model mampu menghasilkan nilai error yang lebih rendah, yaitu 0,7438, dan tingkat akurasi mencapai 100%.
Kesimpulan
Penelitian ini menunjukkan bahwa penggunaan algoritma CNN dalam mengklasifikasikan gambar makanan khas Pasuruan memberikan hasil yang sangat memuaskan. Akurasi 100% yang dicapai menandakan potensi besar CNN untuk diterapkan dalam pengenalan makanan khas dari berbagai daerah di Indonesia. Hal ini dapat membantu mempromosikan keunikan kuliner lokal sekaligus mendukung pelestarian budaya kuliner Indonesia.
Makanan khas seperti BipangANGKAr, Botok Tempe, Cenil, dan Klepon bukan hanya sekadar hidangan, tetapi juga representasi identitas budaya yang perlu dijaga dan diperkenalkan ke generasi mendatang.
