Implementasi Ekstraksi Fitur DCT, GLCM, dan CNN untuk Mengidentifikasi Perbedaan Jenis Daging Ayam, Sapi, dan Babi

Jonathan Lukman, Hulio (2024) Implementasi Ekstraksi Fitur DCT, GLCM, dan CNN untuk Mengidentifikasi Perbedaan Jenis Daging Ayam, Sapi, dan Babi. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (6MB)
	PDF BAB_I.pdf Download (226kB)
	PDF BAB_II.pdf Download (937kB)
	PDF BAB_III.pdf Download (274kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (311kB)
	PDF BAB_V.pdf Download (218kB)
	PDF DAFTAR_PUSTAKA.pdf Download (225kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (265kB)

Abstract

Daging memiliki jenis yang sangat beragam, mulai dari daging sapi, ayam, kambing, babi, bebek, dan jenis lainnya. Masyarakat awam sering kesulitan untuk membedakan ciri dan karakteristik seperti warna dan tekstur dari daging, yang menyebabkan mereka mudah tertipu dalam memilih daging. Salah satu cara untuk membedakan jenis daging yaitu dengan menggunakan teknologi komputer. Ekstraksi fitur dapat dilakukan untuk meningkatkan akurasi sistem identifikasi jenis daging, beberapa metode yang digunakan antara lain adalah Discrete Cosine Transform dan Gray Level Cooccurence Matrix. Penelitian ini menggunakan ekstraksi fitur low-frequency Discrete Cosine Transform dan fitur Gray Level Cooccurence Matrix yang kemudian dianalisis menggunakan Convolutional Neural Network. Penerapan ekstraksi fitur berhasil diimplementasikan dan hasil penelitian menunjukkan bahwa metode 8x8 untuk pengambilan nilai low-frequency pada Discrete Cosine Transform menghasilkan akurasi tertinggi sebesar 96.67% dengan loss sebesar 0.12, waktu pelatihan selama 2153 detik, precision sebesar 0.97, recall sebesar 0.97, dan F1-Score sebesar 0.97, dengan menggunakan learning rate sebesar 0.0001.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	ekstraksi fitur, Discrete Cosine Transform, Gray Level Coocurence Matrix, Convolutional Neural Network, pembelajaran mesin.
Subjects:	?? T58.5-58.64 ??
Divisions:	Faculty of Engineering & Informatics > Informatics
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	10 Nov 2024 11:06
Last Modified:	10 Nov 2024 11:06
URI:	https://kc.umn.ac.id/id/eprint/34072

Actions (login required)

View Item