SARI AMANDA PUTRI, - (2024) KLASIFIKASI DAGING SAPI DAN DAGING BABI MENGGUNAKAN EKSTRAKSI FITUR GRAY-LEVEL INVARIANT HARALICK DAN BACKPROPAGATION NEURAL NETWORK (BPNN). Skripsi thesis, UNIVERSITAS ISLAM NEGERI SULTAN SYARIF KASIM RIAU.

Preview	Text SKRIPSI LENGKAP KECUALI BAB IV.pdf Download (3MB) | Preview
	Text BAB IV.pdf - Published Version Restricted to Repository staff only Download (1MB)

Abstract

Manusia membutuhkan protein untuk melakukan kegiatan sehari-hari yang didapatkan dari daging. Tingginya harga daging sapi membuat praktik bisnis jahat mencampur daging babi menghasilkan daging oplosan. Hal ini dapat menimbulkan dampak bagi pembeli bahkan makanan itu menjadi haram terutama untuk muslim. Untuk itu dapat dilakukan penelitian menggunakan Backpropagation Neural Network (BPNN) karena algoritma ini mampu menyesuaikan bobot jaringan dan mengurangi kesalahan prediksi. Metode ekstraksi ciritekstur menggunakan graylevel invariant haralick yang sensitif dengan tingkat keabuan gambarsehingga akan dikurangi, namun tetap mempertahankan sebagian besar interpretasi fiturnya sehingga memungkinkan model statistik dari gambar memiliki jumlah tingkat keabuan beragam. Percobaan menggunakan kombinasi konfigurasi dengan membandingkan RGB dan HSV, resize 150, 250, 350 dan tanpa resize, menggunakan 1 hingga 3 hidden dan neuron tiap hidden layer terdiri dari 9, 11, 13, 15, 17, 20, dan 26 neuron, dengan beberapa fungsi aktivasi logistic/sigmoid, prelu, relu, leaky relu, dan softmax, dan optimasi adam, serta ukuran banding data latih dan data uji 70:30, 80:20, dan 90:10. Hasil percobaan didapatkan bahwa konfigurasi dengan warna RGB tanpa resize, 3 hidden layer (17,17,17), aktivasi PreLU dan Softmax, optimasi adam, dataset 90:10 memperoleh akurasi sebesar 98% dengan precision 0,98, recall 0,98, dan f1-score 0,98.

Actions (login required)

View Item