Integration of ResNet50 Architecture in Food Image Detection Systems for Dynamic Nutrition Estimation
DOI:
https://doi.org/10.62535/w4wdnq37Keywords:
Food Image Recognition, CNN ResNet50, Transfer Learning, Nutritional Analysis, Web-Based SystemAbstract
The development of modern lifestyles demands accurate food intake management to maintain health quality. This study aims to assess NutriScan, an online tool for identifying the type of citra and calculating calories automatically. The AICrowd Food Recognition Challenge dataset is used for quantitative modeling utilizing the Convolutional Neural Network (CNN) ResNet50 architecture based on transfer learning, and nutritional data is integrated via Application Programming Interface (API). Data augmentation, cropping, scaling, and normalization are used in the processing of Citra. According to the study's findings, NutriScan has the potential to be an effective and adaptable web-based solution with an accuracy of roughly 75%, precision of 76%, recall of 75%, and F1-score of 75%
References
Al-Fahrezi, M. A. (2025). Pengaruh Augmentasi Data Terhadap Akurasi Pelatihan Model CNN untuk Klasifikasi Jenis Ikan. JITSI : Jurnal Ilmiah Teknologi Sistem Informasi, 6(2), 177–185. https://doi.org/10.62527/jitsi.6.2.471
Ambar, M. K., Öztoprak, H., & Yurtkan, K. (2025). Optimizing ResNet-50 for Multiclass Classification: A Multi-Stage Learning Approach. IEEE Access, 13, 142517–142534. https://doi.org/10.1109/ACCESS.2025.3597227
Andre, D. J., Triwisesa, E., & Siskandar, R. (2020). Rancang Bangun Alat Monitoring Keadaan Air Danau Berbasis Arduino Terintegrasi Web di Limnologi LIPI (Bag. 106-112). Indonesian Journal of Science, 1(2). http://journal.pusatsains.com/index.php/jsi
Ariq Mayangkara, M., Hidayat, D., Tigranaufal Nugraha, I., Dwi Rachmat, R., Riyanti, A., Rodhiyatun nisa, A., Jane putri, E., Fedrianingsih, D., Jesica, M., & Siskandar, R. (2024). Temperature and Humidity Monitoring Tool Using the Blynk Application for Room Comfort. Jurnal Sains Indonesia, 5(3), 143–154. https://doi.org/10.59897/jsi.v5i3.213
Asmoro, P. B., & Solichin, A. (2024). Penerapan Metode Convolutional Neural Network Untuk Klasifkasi Kualitas Daging Sapi Pada Aplikasi Berbasis Android. Faktor Exacta, 16(4). https://doi.org/10.30998/faktorexacta.v16i4.19564
Azani, S. N., Taib, E. N., Zahara, N., & Rahmawati, L. (2025). Efektivitas Aplikasi Gizi Gen Berbasis Website Dalam Pembelajaran Mata Kuliah Gizi dan Kesehatan. 5(1), 25–43. https://doi.org/10.25299/baej.2025.22836
Bamatraf, L., Akbar, R., Rahman, Z., Afifah, B., & Nurkholis, N. (2025). Developing a Supply Chain Management Application for Laying Hens with Integrated Egg Quality Detection Based on Computer Vision (Case Study of a Laying Hen MSME): Pengembangan Aplikasi Manajemen Rantai Pasok untuk Ayam Petelur dengan Deteksi Kualitas Telur Terintegrasi Berbasis Penglihatan Komputer (Studi Kasus Usaha Mikro, Kecil, dan Menengah (UMKM) Ayam Petelur). Indonesian Journal of Innovation Studies, 27(1). https://doi.org/10.21070/ijins.v27i1.1873
Banerjee, S., Palsani, D., & Mondal, A. C. (2024). Nutritional Content Detection Using Vision Transformers- An Intelligent Approach. International Journal of Innovative Research in Engineering and Management, 11(6), 21–27. https://doi.org/10.55524/ijirem.2024.11.6.3
Behar, N., & Shrivastava, M. (2022). ResNet50-Based Effective Model for Breast Cancer Classification Using Histopathology Images. Computer Modeling in Engineering & Sciences, 130(2), 823–839. https://doi.org/10.32604/cmes.2022.017030
Berliani, T., Rahardja, E., & Septiana, L. (2023a). Perbandingan Kemampuan Klasifikasi Citra X-ray Paru-paru menggunakan Transfer Learning ResNet-50 dan VGG-16. Journal of Medicine and Health, 5(2), 123–135. https://doi.org/10.28932/jmh.v5i2.6116
Berliani, T., Rahardja, E., & Septiana, L. (2023b). Perbandingan Kemampuan Klasifikasi Citra X-ray Paru-paru menggunakan Transfer Learning ResNet-50 dan VGG-16. Journal of Medicine and Health, 5(2), 123–135. https://doi.org/10.28932/jmh.v5i2.6116
Bohlol, P., Hosseinpour, S., & Soltani Firouz, M. (2025). Improved food recognition using a refined ResNet50 architecture with improved fully connected layers. Current Research in Food Science, 10, 101005. https://doi.org/10.1016/j.crfs.2025.101005
Budi, E. S., Chan, A. N., Alda, P. P., & Idris, M. A. F. (2024). Optimasi Model Machine Learning untuk Klasifikasi dan Prediksi Citra Menggunakan Algoritma Convolutional Neural Network. 4(5).
Burhanuddin, M. I., Syaifullah, A., Jaya, S. A. P., & Gabriel, M. (2025). Analisis Komparatif Model MobilenetV1 Dan EfficientnetB0 Dalam Klasifikasi Citra Empat Musim Menggunakan Transfer Learning. Jurnal Teknik Informatika, 5(2).
Cohen, A. R., Chen, G., Berger, E. M., Warrier, S., Lan, G., Grubert, E., Dellaert, F., & Chen, Y. (2022). Dynamically Controlled Environment Agriculture: Integrating Machine Learning and Mechanistic and Physiological Models for Sustainable Food Cultivation. ACS ES&T Engineering, 2(1), 3–19. https://doi.org/10.1021/acsestengg.1c00269
Darma Udayana, I. P. A. E., & Nugraha, P. G. S. C. (2020a). Prediksi Citra Makanan Menggunakan Convolutional Neural Network untuk Menentukan Besaran Kalori Makanan. Jurnal Teknologi Informasi dan Komputer, 6(1). https://doi.org/10.36002/jutik.v6i1.1001
Darma Udayana, I. P. A. E., & Nugraha, P. G. S. C. (2020b). Prediksi Citra Makanan Menggunakan Convolutional Neural Network Untuk Menentukan Besaran Kalori Makanan. Jurnal Teknologi Informasi dan Komputer, 6(1). https://doi.org/10.36002/jutik.v6i1.1001
Dede Husen. (2024a). Evaluasi Teknik Augmentasi Data Untuk Klasifikasi Tumor Otak Menggunakan Cnn pada Citra Mri. TEKNIMEDIA: Teknologi Informasi dan Multimedia, 5(2). https://doi.org/10.46764/teknimedia.v5i2.220
Dede Husen. (2024b). Evaluasi Teknik Augmentasi Data Untuk Klasifikasi Tumor Otak Menggunakan Cnn Pada Citra Mri. TEKNIMEDIA: Teknologi Informasi dan Multimedia, 5(2). https://doi.org/10.46764/teknimedia.v5i2.220
Ekawati, N., Kusumah, B. R., Pengestuti, D. D., Rizki, M., Cintia, C., Mutmainah, I., Ali, M. S., Molinda, M., Kiswanto, A., Novanti, T., & Siskandar, R. (2025). Implementasi Teknologi Tepat Guna Pengontrol Kekeruhan Air Hydrosense Untuk Optimalisasi Akuakultur Bumdes: Sebuah Model Pemberdayaan Kolaboratif Karang Taruna dan Bumdes di Desa Pakapasan Girang. 04.
Elinah, E., Kusumah, B. R., Ruspendi, R., Rizky, R., Hawa, P., Aufaa, M. I. A., Rizki, M., Martin, M., Nuha, U., & Siskandar, R. (2025). Implementasi Teknologi E-Ox Level pada Mitra Sasaran Pokdakan ke Tiga di Wilayah Kabupaten Cirebon, Guna Membantu Permasalahan Dalam Aspek Manajemen Usaha dan Peningkatan Kapasitas Produksi. Jurnal Abdi Insani, 12(3), 883–894. https://doi.org/10.29303/abdiinsani.v12i3.2167
Elpeltagy, M., & Sallam, H. (2021). Automatic prediction of COVID− 19 from chest images using modified ResNet50. Multimedia Tools and Applications, 80(17), 26451–26463. https://doi.org/10.1007/s11042-021-10783-6
Estian Pambudi, R., Purnomo, H., & Aglasia, A. (2025). Analisis Klasifikasi Sentimen Pengguna MyPertamina Menggunakan Metode Evaluasi Precision, Recall, dan F1-Score. Aisyah Journal of Informatics and Electrical Engineering, 7(2). https://jti.aisyahuniversity.ac.id/index.php/AJIEE
Farhan, M. (2024). Klasifikasi Pada Citra Biji Kopi Arabica Hasil Roasting Menggunakan Metode Convolutional Neural Network (cnn) Resnet50v2. Universitas Islam Negeri Maulana Malik Ibrahim.
Fauzi, M. R. (2025). Fitur Machine Learning Untuk Mengidentifikasi Kandungan Gula pada Makanan: Studi Kasus Aplikasi Glucofit Untuk Pencegahan Diabetes di Indonesia. Universitas Islam Indonesia.
Harel, M. (2025). Pengembangan Aplikasi Android Dengan Integrasi Ai Untuk Monitoring Konsumsi Gula Harian. 2025. dspace.uii.ac.id/123456789/56680
Heleen, B. (2025). Towards Efficient, Accurate, and Scalable Food Dish Recognition. SSRN. https://doi.org/10.2139/ssrn.5048386
Helmiyah, S., & Pramestiawan, R. (2025). Analisis Komparatif Algoritma Machine Learning dengan Metrik Akurasi, Presisi, Recall, dan F1-Score pada Dataset Kacang Kering. 6(3).
Hidayat, A., Ash-Shiddiq, F. S., Amalya, F., & Gunadarma, U. (2024). Pengembangan Aplikasi Klasifikasi Makanan Dengan Metode Transfer Learning Menggunakan MobilenetV2 dan Integrasi Api Nutrisi Berbasis Web. Journal Of Social Science Research, 4(6), 2397–2419.
Hossain, Md. B., Iqbal, S. M. H. S., Islam, Md. M., Akhtar, Md. N., & Sarker, I. H. (2022). Transfer learning with fine-tuned deep CNN ResNet50 model for classifying COVID-19 from chest X-ray images. Informatics in Medicine Unlocked, 30, 100916. https://doi.org/10.1016/j.imu.2022.100916
Ikasari, I. H., Rosyani, P., & Amalia, R. (2025). Klasifikasi Jenis Buah Menggunakan Metode Cnn. RIGGS: Journal of Artificial Intelligence and Digital Business, 4(2), 5451–5458. https://doi.org/10.31004/riggs.v4i2.1271
Irawan, P. N. C. (2024). Implementasi Deep Learning Menggunakan Algoritma Convolutional Neural Network (Cnn) Dalam Klasifikasi Gambar Makanan Untuk Menentukan Kandungan Kalori pada Makanan. Sekolah Tinggi Teknologi Terpadu Nurul Fikri. https://repository.nurulfikri.ac.id/id/eprint/696
Islam, W., Jones, M., Faiz, R., Sadeghipour, N., Qiu, Y., & Zheng, B. (2022). Improving Performance of Breast Lesion Classification Using a ResNet50 Model Optimized with a Novel Attention Mechanism. Tomography, 8(5), 2411–2425. https://doi.org/10.3390/tomography8050200
Jenie, R. P., Suryana, Y., Pambudi, S., Widayanti, T., Irzaman, Nurdin, N. M., Dahrul, M., Iskandar, J., Kurniawan, A., Siskandar, R., Aridarma, A., Rahayu, M. S. K., Riadhie, T. S., & Alatas, H. (2021). General protocol for ethical conforming development for non-invasive blood biomarker measurement optical device. 050023. https://doi.org/10.1063/5.0037469
Kharismatunnisaa, F., Saputra, Y., Bahri, S., & Siskandar, R. (2023). Penerapan Framework Laravel Pada Modul Profil untuk Website Dinas Cipta Karya, Tata Ruang dan Pertanahan (DCKTRP). Jurnal Sains Indonesia, 4(3), 249–263. https://doi.org/10.59897/jsi.v4i3.175
Komalyna, I. N. T. (2025). Rancangan Aplikasi Tele-Konseling Gizi Berbasis Kecerdasan Buatan Studi Kasus Telenutri Health. Jurnal Teknologi Konseptual Desain, 2(3), 327–355.
Kusumah, B. R., Jaya, A. K., Siskandar, R., & Rahim, F. F. (2021). E-Ox Level: Sustainability Test of Data Storage System and Performance Test on Closed System Fish Pond. Aquacultura Indonesiana, 23(1), 1. https://doi.org/10.21534/ai.v23i1.267
Kusumo, W. P., & Aditya, C. S. K. (2024). Klasifikasi Citra Makanan Berdasarkan Asal Daerah Menggunakan Convolutional Neural Network. Techno.Com, 23(1), 87–95. https://doi.org/10.62411/tc.v23i1.9735
Leong, W. Y., & Zhao, C. H. (2025). Optimisation Solutions and Simple Innovative Solution Research on ResNet50 Model. ASM Science Journal, 20(1), 1–9. https://doi.org/10.32802/asmscj.2025.2002
Lestari, H., Setiawan, W., & Siskandar, R. (2020). Science Literacy Ability of Elementary Students Through Nature of Science-based Learning with the Utilization of the Ministry of Education and Culture’s “Learning House.” Jurnal Penelitian Pendidikan IPA, 6(2), 215–220. https://doi.org/10.29303/jppipa.v6i2.410
Liu, D., Zuo, E., Wang, D., He, L., Dong, L., & Lu, X. (2025). Deep Learning in Food Image Recognition: A Comprehensive Review. Applied Sciences, 15(14), 7626. https://doi.org/10.3390/app15147626
Mahaputri, C., Kristian, Y., & Setyati, E. (2022). Pengenalan Makanan Tradisional Indonesia Beserta Bahan-bahannya dengan Memanfaatkan DCNN Transfer Learning. Journal of Intelligent System and Computation, 4(2), 61–68. https://doi.org/10.52985/insyst.v4i2.252
Mascarenhas, S., & Agarwal, M. (2021). A comparison between VGG16, VGG19 and ResNet50 architecture frameworks for Image Classification. 2021 International Conference on Disruptive Technologies for Multi-Disciplinary Research and Applications (CENTCON), 96–99. https://doi.org/10.1109/CENTCON52345.2021.9687944
Mochammad Toyib, Tegar Decky Kurniawan Pratama, & Ibnu Aqil. (2024). Penerapan Algoritma CNN Untuk Mendeteksi Tulisan Tangan Angka Romawi dengan Augmentasi Data. Algoritma : Jurnal Matematika, Ilmu pengetahuan Alam, Kebumian dan Angkasa, 2(3), 108–120. https://doi.org/10.62383/algoritma.v2i3.69
Muntarti, Y., Alfi Zahra Muharramah, Fiqrah Idhul Dwi, Yabrina Angelika Rantelili, & Ilham Julian Effendi. (2025). Klasifikasi citra asap kebakaran hutan untuk monitoring lingkungan berbasis CNN. INFOTECH : Jurnal Informatika & Teknologi, 6(2), 117–130. https://doi.org/10.37373/infotech.v6i2.1645
Muzhaffar, R., & Suharjo, I. (2025). Penerapan CNN Berbasis Arsitektur ResNet-50 untuk Klasifikasi Citra Mikroskopik Beras Organik dan Anorganik. 5(2). https://jurnal.pustakagalerimandiri.co.id/index.php/pustakadata
Pangesti, R. A. N., Salsabila, C. S., Wahyudiningsih, N. T., Halim, G., Nugraha, J., Firdaus, M. A. A., Roihan, M., Hizbul, M. L., Kusumah, B. R., & Siskandar, R. (2022). Rancang Bangun Sistem Notifikasi Tepat Guna Sebagai Solusi Langkah Cepat Penanganan Kebakaran. 3(2).
Peryanto, A., Yudhana, A., & Umar, R. (2020). Klasifikasi Citra Menggunakan Convolutional Neural Network dan K Fold Cross Validation. Journal of Applied Informatics and Computing, 4(1), 45–51. https://doi.org/10.30871/jaic.v4i1.2017
Pratiwi, M. I., & Nudin, S. R. (2024). Pengembangan Sistem Deteksi Dini Kebakaran Menggunakan Pendekatan Transfer Learning dengan Model ResNet50 Berbasis Website.
Purba, G. E. P., Wijoyo, S. H., & Setiawan, N. Y. (2017). Pengaruh Transfer Learning Resnet dan Densenet Terhadap Performa Klasifikasi Ekspresi Wajah Menggunakan Dataset Fer-2013. 1(1).
Putri, M. E., Khairi, M., Furqan, M., Yusman, B., Jadid, U. N., & Hasan, U. H. Z. (2024a). Deteksi Objek Untuk Menghitung Perkiraan Kalori Makanan Menggunakan Metode R-CNN Mask Berbasis Web. Jurnal Kecerdasan Buatan,Komputasi dan Teknologi Informasi, 5(1). https://ejournal.unuja.ac.id/index.php/core
Putri, M. E., Khairi, M., Furqan, M., Yusman, B., Jadid, U. N., & Hasan, U. H. Z. (2024b). Deteksi Objek Untuk Menghitung Perkiraan Kalori Makanan Menggunakan Metode R-CNN Mask Berbasis Web.
Putri, R. A., Suryadi Satyawan, A., Prihantono, J. A., Linggi, R. S., Paramita, I. G. A. P. S., Iswarawati, N. K. E., Akbar, F., & Utomo, P. A. (2024). Model Deep Learning Untuk Klasifikasi Objek Pada Gambar Fisheye. Jurnal Teknologi Informasi dan Ilmu Komputer, 11(3), 519–528. https://doi.org/10.25126/jtiik.938047
Quan, W., Zhou, J., Wang, J., Huang, J., & Du, L. (2025). Machine Learning-Driven Precision Nutrition: A Paradigm Evolution in Dietary Assessment and Intervention. Nutrients, 18(1), 45. https://doi.org/10.3390/nu18010045
Rahmani, D. P., Wirastuti, M. A., Fakhiratunisa, N., Fauzan, M. F., Suhada, V. R., Fitriani, M. F. D., Falah, N. A., Balle, J. L., Rizha, T., & Siskandar, R. (t.t.). Pembuatan motion graphic iklan aplikasi FlickApp dan Silvi+ di PT Kreigan Sentral Teknologi. 2(1), 59–69.
Rathi, P., Kuwar Gupta, R., Agarwal, S., & Shukla, A. (2020). Sign Language Recognition Using ResNet50 Deep Neural Network Architecture. SSRN Electronic Journal. https://doi.org/10.2139/ssrn.3545064
Riswanto, R., Ahmad, A., Hazriani, H., & Tribuana, D. (2024). Deteksi Kalori Makanan Tradisional Indonesia Menggunakan Metode Single Shot Multibox Detector (SSD): Calorie Detection of Traditional Indonesian Food Using the Single Shot Multibox Detector (SSD) Method. MALCOM: Indonesian Journal of Machine Learning and Computer Science, 4(3), 819–829. https://doi.org/10.57152/malcom.v4i3.1332
Saad, A. M., Rahi, Md. R. H., Islam, Md. M., & Rabbani, G. (2025). Diet Engine: A real-time food nutrition assistant system for personalized dietary guidance. Food Chemistry Advances, 7, 100978. https://doi.org/10.1016/j.focha.2025.100978
Santi, M. A., Har, N. P., Jenie, R. P., Siskandar, R., Syafutra, H., Pratama, E., Negara, T. P., Setiawan, A. A., Alatas, H., & Irzaman. (2024). Effect of Cupric-Doped SrTiO3 Films on Optical Properties Using Spectrophotometry Method. IOP Conference Series: Earth and Environmental Science, 1359(1), 012015. https://doi.org/10.1088/1755-1315/1359/1/012015
Santosa, S. H., Hidayat, A. P., & Siskandar, R. (2021). SAFEA application design on determining the optimal order quantity of chicken eggs based on fuzzy logic. IAES International Journal of Artificial Intelligence (IJ-AI), 10(4), 858. https://doi.org/10.11591/ijai.v10.i4.pp858-871
Santosa, S. H., Hidayat, A. P., Siskandar, R., & Rizkiriani, A. (t.t.). Milled Cassava Production Capacity Model Through Machine Effectiveness Analysis.
Saputra, F. (2025). Aplikasi Mobile Berbasis Artificial Intelligence Untuk Analisis Gizi Ibu Hamil Dan Rekomendasi Resep Sehat Pencegah Stunting. Jurnal Kelitbangan, 2354–5704. http://journalbalitbangdalampung.org
Saputri, B. R. D., Asmawati, F. D., Rahmawati, A., Manggala, I. H., & Hidayattullah, M. F. (2024). Deteksi Bahan Makanan Untuk Rekomendasi Resep Masakan pada Program Diet Menggunakan Algoritma Cnn. Jurnal ilmiah infotmatika, 9(2).
Sari, C. A., Pradana, L. H. S., & Rachmawanto, E. H. (2025). Identifikasi Citra Jenis Rempah-Rempah Menggunakan Arsitektur RestNet50. June 2025, 2(1), 27–41. https://doi.org/10.28918/logiclink.v2i1.10713
Sasongko, T. B., Haryoko, H., & Amrullah, A. (2023). Analisis Efek Augmentasi Dataset dan Fine Tune pada Algoritma Pre-Trained Convolutional Neural Network (CNN). Jurnal Teknologi Informasi dan Ilmu Komputer, 10(4), 763–768. https://doi.org/10.25126/jtiik.20241046583
Sesar Husen Santosa, Heryudianto Vibowo, Agung Prayudha Hidayat, Ridwan Siskandar, Khoirul Aziz Husyairi, Bayu Suriaatmaja Suwanda, & Annisa Rizkiriani. (2024a). Pelatihan Cara Penyajian Makanan yang Baik dalam Upaya Peningkatan Kinerja Pemasaran Produk UMKM Warung Nasi Kota Bogor. JURPIKAT: Jurnal Pengabdian Kepada Masyarakat, 5(2), 332–342. https://doi.org/10.37339/jurpikat.v5i2.1498
Sesar Husen Santosa, Heryudianto Vibowo, Agung Prayudha Hidayat, Ridwan Siskandar, Khoirul Aziz Husyairi, Bayu Suriaatmaja Suwanda, & Annisa Rizkiriani. (2024b). Pelatihan Cara Penyajian Makanan yang Baik dalam Upaya Peningkatan Kinerja Pemasaran Produk UMKM Warung Nasi Kota Bogor. JURPIKAT: Jurnal Pengabdian Kepada Masyarakat, 5(2), 332–342. https://doi.org/10.37339/jurpikat.v5i2.1498
Shafa, R. A., & Andono, P. N. (2025). Pendeteksi Visual Makanan dan Jumlah Kalorinya Menggunakan Algoritma Mask R-Cnn Berbasis Bot Telegram. JIPI: Jurnal Ilmiah Penelitian dan Pembelajaran Informatika, 10(1), 641–651. https://doi.org/10.29100/jipi.v10i1.6972
Shen, C., Wang, R., Nawazish, H., Wang, B., Cai, K., & Xu, B. (2024). Machine vision combined with deep learning–based approaches for food authentication: An integrative review and new insights. Comprehensive Reviews in Food Science and Food Safety, 23(6), e70054. https://doi.org/10.1111/1541-4337.70054
Shen, Z., Shehzad, A., Chen, S., Sun, H., & Liu, J. (2020). Machine Learning Based Approach on Food Recognition and Nutrition Estimation. Procedia Computer Science, 174, 448–453. https://doi.org/10.1016/j.procs.2020.06.113
Siskandar, R., Fadhil, M. A., Kusumah, B. R., Irmansyah, I., & Irzaman, I. (2020). Internet of Things: Automatic Plant Watering System Using Android. Jurnal Teknik Pertanian Lampung (Journal of Agricultural Engineering), 9(4), 297. https://doi.org/10.23960/jtep-l.v9i4.297-310
Siskandar, R., Mandang, T., Hermawan, W., & Irzaman, I. (2023). Engineering of Information Monitoring System Sensor Reading Data Based on Smart Wireless using NVDIA Jetson Nano and Arduino Mega on Agricultural Spraying Machines. Jurnal Teknik Pertanian Lampung (Journal of Agricultural Engineering), 12(4), 921. https://doi.org/10.23960/jtep-l.v12i4.921-936
Siskandar, R., Santosa, S. H., Hidayat, A. P., Suwanda, B. S., Vibowo, H., Barokah, W. T., Habiburrahman, M., Faqihhudin, M. R., & Nerol, I. D. (2025). Pelatihan Pengembangan Alat Komunikasi Cerdas Keamanan Lingkungan Berbasis Smartphone di Karang Taruna Desa Pakapasan Girang, Kabupaten Kuningan, Jawa Barat. Jurnal Pengabdian Masyarakat Bhinneka, 3(4), 774–784. https://doi.org/10.58266/jpmb.v3i4.259
Siskandar, R., Santosa, S. H., Wiyoto, W., Kusumah, B. R., & Hidayat, A. P. (2022a). Control and Automation: Insmoaf (Integrated Smart Modern Agriculture and Fisheries) on The Greenhouse Model. Jurnal Ilmu Pertanian Indonesia, 27(1). https://doi.org/10.18343/jipi.27.1.141
Siskandar, R., Santosa, S. H., Wiyoto, W., Kusumah, B. R., & Hidayat, A. P. (2022b). Control and Automation: Insmoaf (Integrated Smart Modern Agriculture and Fisheries) on The Greenhouse Model. Jurnal Ilmu Pertanian Indonesia, 27(1). https://doi.org/10.18343/jipi.27.1.141
Siskandar, R., Wiyoto, W., Hendriana, A., Ekasari, J., Kusumah, B. R., Halim, G., & Nugraha, I. J. (2022). Automated Redox Monitoring System (ARMS): An Instrument for Measuring Dissolved Oxygen Levels Using a Potential Redox Sensor (ORP) in a Prototype of Shrimp Farming Pond with an Internet-Based Monitoring System. Journal of Aquaculture and Fish Health, 11(2), 238–246. https://doi.org/10.20473/jafh.v11i2.31487
Solihin, A., Mulyana, D. I., & Yel, M. B. (2022). Klasifikasi Alat Musik Tradisional Papua menggunakan Metode Transfer Learning Dan Data Augmentasi. 5.
Sonita, A. (2018). Aplikasi Pendeteksi Obat dan Makanan Menggunakan OCR. Jurnal Informatika UPGRIS, 4(1), 2447–6645.
Sutarti & Fariza Syaqialloh. (2025). Klasifikasi dan Pengenalan Emosi dari Ekspresi Wajah Menggunakan CNN-BiLSTM dengan Teknik Data Augmentation. Decode: Jurnal Pendidikan Teknologi Informasi, 5(1), 79–91. https://doi.org/10.51454/decode.v5i1.1038
Talaat, F. M., El-Sappagh, S., Alnowaiser, K., & Hassan, E. (2024). Improved prostate cancer diagnosis using a modified ResNet50-based deep learning architecture. BMC Medical Informatics and Decision Making, 24(1), 23. https://doi.org/10.1186/s12911-024-02419-0
Targ, S., Almeida, D., & Lyman, K. (2016). Resnet in Resnet: Generalizing Residual Architectures (arXiv:1603.08029). arXiv. https://doi.org/10.48550/arXiv.1603.08029
Theckedath, D., & Sedamkar, R. R. (2020a). Detecting Affect States Using VGG16, ResNet50 and SE-ResNet50 Networks. SN Computer Science, 1(2), 79. https://doi.org/10.1007/s42979-020-0114-9
Theckedath, D., & Sedamkar, R. R. (2020b). Detecting Affect States Using VGG16, ResNet50 and SE-ResNet50 Networks. SN Computer Science, 1(2), 79. https://doi.org/10.1007/s42979-020-0114-9
Theodore Armand, T. P., Nfor, K. A., Kim, J.-I., & Kim, H.-C. (2024). Applications of Artificial Intelligence, Machine Learning, and Deep Learning in Nutrition: A Systematic Review. Nutrients, 16(7), 1073. https://doi.org/10.3390/nu16071073
Tian, X., & Chen, C. (2019). Modulation Pattern Recognition Based on Resnet50 Neural Network. 2019 IEEE 2nd International Conference on Information Communication and Signal Processing (ICICSP), 34–38. https://doi.org/10.1109/ICICSP48821.2019.8958555
Triloka, J., & Mutiara, S. (2025). Evaluasi Kinerja Model Deep Learning dalam Memprediksi Kejadian Hujan Di Wilayah Panjang Bandar Lampung. Jurnal Informatika, 25(1). https://doi.org/10.30873
Udayana, I. P. A. E. D., & Nugraha, P. G. S. C. (2020). Prediksi Citra Makanan Menggunakan Convolutional Neural Network Untuk Menentukan Besaran Kalori Makanan. Jurnal Teknologi Informasi dan Komputer, 6(1), 30–38. https://doi.org/10.36002/jutik.v6i1.1001
Vianda, R. I. Y., Anjarwati, P., Pratama, H. A., Akbar, R. M., & Irawan, R. D. (2025). Klasifikasi Citra Bunga Multikelas Menggunakan Convolutional Neural Network (CNN). Seminar Nasional Teknologi Informasi dan Bisnis.
Wahyudiningsih, N. T., Fardani, C. S. S., Pangesti, R. A. N., Halim, G., Nugraha, I. J., Firdaus, M. A. A., Roihan, M., Mujib, M. L. H., Kusumah, B. R., & Siskandar, R. (2022). Rekayasa Sistem Deteksi Dini Corona Virus Disease Sebagai Solusi Pencegahan Penyebaran Virus.
Wan, J., Li, B., Wang, K., Teng, X., Wang, T., & Mao, B. (2024). An Improved ResNet50 for Environment Image Classification. Procedia Computer Science, 242, 1000–1007. https://doi.org/10.1016/j.procs.2024.08.246
Wasilah, Q. S. A., Dikananda, A. R., & Rohman, D. (2025a). Implementasi Cnn Resnet50 Untuk Mendeteksi Kualitas Buah Dan Sayuran Di Pasar Tradisional. 9(3).
Wasilah, Q. S. A., Dikananda, A. R., & Rohman, D. (2025b). Implementasi Cnn Resnet50 Untuk Mendeteksi Kualitas Buah Dan Sayuran Di Pasar Tradisional. 3 Juni 2025, 9(3).
Wen, L., Li, X., & Gao, L. (2020). A transfer convolutional neural network for fault diagnosis based on ResNet-50. Neural Computing and Applications, 32(10), 6111–6124. https://doi.org/10.1007/s00521-019-04097-w
Wiyoto, W., Hendriana, A., Siskandar, R., Mashita, N., Mahendra, T., Cahyo, A. D., Arzi, J. R. A., Aulia, S. S., & Ekasari, J. (2022). Analysis of water and sediment quality in Pacific white leg shrimp Litopenaeus vannamei culture with different sediment redox potential. Jurnal Akuakultur Indonesia, 21(1), 59–67. https://doi.org/10.19027/jai.21.1.59-67
Wu, Z., Shen, C., & Van Den Hengel, A. (2019). Wider or Deeper: Revisiting the ResNet Model for Visual Recognition. Pattern Recognition, 90, 119–133. https://doi.org/10.1016/j.patcog.2019.01.006
Yoridho, D. D., Adi, S. H., & Siskandar, R. (2020). Rancang Bangun Sistem Navigasi Kekeringan dan Meluapnya Air pada Lahan Berbasis web di Balitklimat (Bag. 144-151). Indonesian Journal of Science, 1(3).
You, H., Zhou, M., Zhang, J., Peng, W., & Sun, C. (2023). Sugarcane nitrogen nutrition estimation with digital images and machine learning methods. Scientific Reports, 13(1), 14939. https://doi.org/10.1038/s41598-023-42190-2
Yunus, R., Arif, O., Afzal, H., Amjad, M. F., Abbas, H., Bokhari, H. N., Haider, S. T., Zafar, N., & Nawaz, R. (2019). A Framework to Estimate the Nutritional Value of Food in Real Time Using Deep Learning Techniques. IEEE Access, 7, 2643–2652. https://doi.org/10.1109/ACCESS.2018.2879117
Zidni, E., & Akbar, M. (2024). Klasifikasi Citra Makanan Khas Kota Pasuruan menggunakan Convolutional Neural Network. 1(2).
