DODI EFENDI, - (2022) PENERAPAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK ARSITEKTUR RESNET-50 UNTUK KLASIFIKASI CITRA DAGING SAPI DAN BABI. Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.

Preview

Text (Paper_Dodi Efendi_11850112335) Paper Repo_Dodi Efendi_11850112335.pdf Download (1MB) | Preview

Abstract

Daging merupakan salah satu bahan makanan yang dibutuhkan oleh manusia. Harga daging babi lebih murah dibandingkan daging sapi sehingga menyebabkan munculnya praktik pengoplosan daging sapi dengan daging babi untuk tujuan memperoleh keuntungan yang besar. Secara kasat mata perbedaan daging sapi dan daging babi tidak mencolok sehingga sulit bagi msayarakat awam untuk membedakannya. Dari segi warna daging babi lebih pucat dari pada daging sapi. Dari segi tekstur daging sapi lebih kaku dan keras disbanding daging babi. Dari segi serat daging sapi lebih jelas seratnya dibandingkan daging babi sehingga dibutuhkan sebuah sistem yang dapat mengenali kedua jenis daging tersebut. Penelitian ini menggunakan algoritma Convolutional Neural Network (CNN) arsitekstur ResNet-50 dengan 3 jenis optimizer seperti Stochastic Gradient Descent (SGD), Adam, dan RMSprop. Dataset yang digunakan untuk training terlebih dahulu melalui 2 tahap preprocessing yaitu cropping dan resizing . Hasil dari penelitian menunjukkan optimizer SGD dapat mengungguli optimizer Adam dan RMSprop dengan tingkat accuracy sebesar 97,83%, precision sebesar 97%, recall sebesar 97%, dan f1 score sebesar 97% dengan kondisi batch size 32, learning rate 0.01, dan epoch 50.

Actions (login required)

View Item