Penerapan ResNet-50 dalam Mengidentifikasi Jenis Daging Menggunakan Convolutional Neural Network

Philip, Michael (2024) Penerapan ResNet-50 dalam Mengidentifikasi Jenis Daging Menggunakan Convolutional Neural Network. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (4MB)
	PDF BAB_I.pdf Download (996kB)
	PDF BAB_II.pdf Download (2MB)
	PDF BAB_III.pdf Download (668kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (9MB)
	PDF BAB_V.pdf Download (203kB)
	PDF DAFTAR_PUSTAKA.pdf Download (575kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (1MB)

Abstract

Penelitian ini bertujuan untuk menjelaskan penerapan arsitektur ResNet-50 pada model Convolutional Neural Network (CNN) dalam mengidentifikasi jenis daging, serta menentukan akurasi model tersebut dalam mengenali perbedaan warna dan tekstur antara daging ayam, sapi, dan babi. Hal ini penting mengingat maraknya daging oplosan dan kurangnya pengetahuan masyarakat dalam memilih daging yang tepat. Penelitian ini melibatkan studi literatur, pengumpulan dan pre- processing data gambar daging dari Kaggle, pembagian data menjadi pelatihan, validasi, dan pengujian, pelatihan model CNN, serta evaluasi kinerja model. Hasil dan metode didokumentasikan secara sistematis dalam laporan. Penelitian ini mengembangkan model klasifikasi jenis daging menggunakan Convolutional Neural Network (CNN) dengan ResNet-50 yang dilatih pada 345 gambar daging ayam, sapi dan babi. Dataset dibagi menjadi data pelatihan (80%), validasi (10%), dan pengujian (10%). Model mencapai akurasi validasi sebesar 85.29% dan akurasi pengujian sebesar 94.29%. Evaluasi model menunjukkan hasil prediksi yang akurat pada sebagian besar sampel uji. Penelitian ini berhasil menerapkan CNN dengan arsitektur ResNet-50 untuk mengidentifikasi jenis daging (ayam, sapi dan babi) dengan akurasi validasi 85.29% dan akurasi pengujian 94.29%. Model menggunakan TensorFlow, Keras, Google Colab, dan data augmentasi untuk meningkatkan kinerja dan akurasi prediksi.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	akurasi model, augmentasi data, Convolutional Neural Network (CNN), identifikasi daging, ResNet-50
Subjects:	?? T58.5-58.64 ??
Divisions:	Faculty of Engineering & Informatics > Informatics
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	11 Nov 2024 09:40
Last Modified:	11 Nov 2024 09:40
URI:	https://kc.umn.ac.id/id/eprint/34304

Actions (login required)

View Item