M ALFANDRI AQILAH, - (2025) PENGGUNAAN CONVOLUTIONAL NEURAL NETWORK NASNETLARGE DALAM KLASIF. Bulletin of Computer Science Research, 5 (4). pp. 688-695. ISSN ISSN 2774-3659 (Media Online)

Preview	Text (JURNAL ARTIKEL) M ALFANDRI AQILAH NIM. 11950111710 - M Alfandri Aqilah.pdf - Published Version Download (3MB) | Preview
Preview	Text (PERNYATAAN PUBLIKASI MAHASISWA) PUBLIKASI BEBAS PUSTAKA - M Alfandri Aqilah.pdf - Published Version Download (174kB) | Preview
Preview	Text (PERNYATAAN PUBLIKASI DOSEN) PUBLIKASI JURUSAN - M Alfandri Aqilah.pdf - Published Version Download (1MB) | Preview

Abstract

Abstrak−Pemalsuan daging sapi dengan campuran daging babi merupakan isu serius di Indonesia, terutama bagi konsumen Muslim yang mewajibkan konsumsi produk halal. Menurut laporan Kompas (2020), kasus pemalsuan daging sebanyak 100 kg daging oplosan dijual sebagai daging sapi ditemukan di Kota Tangerang. Praktik ini tidak hanya melanggar hukum agama, tetapi juga menimbulkan ancaman terhadap kesehatan dan kepercayaan masyarakat. Untuk mengatasi tantangan ini, penelitian ini menerapkan pendekatan deep learning menggunakan NASNetLarge dalam klasifikasi citra daging babi, daging sapi, dan daging oplosan. Berbeda dengan penelitian sebelumnya yang menggunakan EfficientNet-B2 menghasilkan akurasi sebesar 98.22%, pendekatan NASNetLarge dalam studi ini menghasilkan akurasi cukup kompetitif di angka 98.03%. Dataset yang digunakan terdiri dari 1.932 citra yang berasal dari platform Kaggle, kemudian diproses melalui tahapan preprocessing dan augmentasi. Setelah itu, data dibagi ke dalam dua skenario pembagian, yaitu keseluruhan data dan data yang telah diseimbangkan per kelas dengan rasio 90:10 dan 80:20. Hasil evaluasi menunjukkan bahwa kombinasi parameter terbaik diperoleh pada skenario pertama dengan rasio 90:10 menggunakan citra hasil augmentasi, learning rate 0.001, dense 128, dan optimizer Adam. Model berhasil mencapai akurasi tertinggi sebesar 98.03%, dengan nilai precision 98.63%, recall 98.40%, dan F1-score 98.50%. Hasil ini menunjukkan bahwa NASNetLarge efektif dalam mengklasifikasikan citra daging secara akurat dan konsisten. Augmentasi citra terbukti meningkatkan performa model dan rasio data 90:10 memberikan hasil yang lebih optimal dibandingkan 80:20. Temuan ini berpotensi mendukung upaya pengawasan pangan untuk mendeteksi pemalsuan daging secara cepat dan tepat.

Actions (login required)

View Item