Identifikasi Daging Sapi Fresh dan Thawed Menggunakan Convolutional Neural Network

Sandy, Ray (2024) Identifikasi Daging Sapi Fresh dan Thawed Menggunakan Convolutional Neural Network. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (944kB)
	PDF BAB_I.pdf Download (220kB)
	PDF BAB_II.pdf Download (756kB)
	PDF BAB_III.pdf Download (2MB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (24MB)
	PDF BAB_V.pdf Download (206kB)
	PDF DAFTAR_PUSTAKA.pdf Download (219kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (226kB)

Abstract

Dalam industri daging, penting membedakan daging segar dan daging beku telah dicairkan namun sulit dibedakan. Pihak yang tidak bertanggung jawab memanfaatkan kekurangan tersebut untuk mencurangi daging yang dijual dengan mencampur daging sehingga merugikan konsumen dan pengecer. Perbedaan harga dan kualitas serta gizi pada daging cukup besar terutama pada daging beku yang dicairkan lebih rentan terhadap proses pembusukan karena proses pembekuan. Pembagian data 70% train, 15% validasi, dan 15% test, menggunakan Convolutional Neural Network dan InceptionV3 tanpa hyperspectral, mencapai akurasi tinggi dengan biaya komputasi rendah untuk mendeteksi citra daging sapi segar dan beku yang dicairkan. Data augmentasi, croping gambar, data generator keras, transformasi data frame pandas, dan analisis optimasi dilakukan untuk menemukan model dengan accuracy, precision, recall, dan f1 socre terbaik. Hasil yang didapat menggunakan categorical crossentropy dan learning rate default 0.001 Pada model pertama, optimasi Adam menghasilkan akurasi sebesar 96.12 %, RMSprop sebesar 98.06%. Pada model kedua, Adam menghasilkan akurasi sebesar 97.84 %, RMSprop sebesar 98.49%. Pada InceptionV3 model pertama, Adam menghasilkan akurasi sebesar 98.92%, RMSprop sebesar 98.92%, dan InceptionV3 model kedua Adam menghasilkan akurasi sebesar 98.92%, RMSprop sebesar 98.92%. Hasil terbaik didapat menggunakan pretrained model InceptionV3 model kedua optimizer Adam dengan waktu training 18 menit 56 detik, mendapatkan accuracy sebesar 98.92%, Precision sebesar 98.92%, Recall sebesar 98.92% dan F1 Score sebesar 98.92%. Dibandingkan hasil akurasi tertinggi tanpa menggunakan pretrained model pada model kedua optimasi RMSprop accuracy 98.49%, Precision 98.49%, Recall 98.49%, F1 score 98.49% dengan perbedaan accuracy sebesar 0.43%.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Convolutional Neural Network, Daging Sapi, Identifikasi, InceptionV3, Transfer Learning
Subjects:	?? T58.5-58.64 ??
Divisions:	Faculty of Engineering & Informatics > Informatics
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	09 Nov 2024 12:05
Last Modified:	09 Nov 2024 12:05
URI:	https://kc.umn.ac.id/id/eprint/33968

Actions (login required)

View Item