Amalia Hanifah Artya, - (2022) IMPLEMENTASI CONVOLUTIONAL NEURAL NETWORK UNTUK KLASIFIKASI DAGING MENGGUNAKAN FITUR EKSTRAKSI TEKSTUR DAN ARSITEKTUR ALEXNET. IMPLEMENTASI CONVOLUTIONAL NEURAL NETWORK UNTUK KLASIFIKASI DAGING MENGGUNAKAN FITUR EKSTRAKSI TEKSTUR DAN ARSITEKTUR ALEXNET, 9 (3). pp. 635-643. ISSN e-ISSN 2715-7393 p-ISSN 2407-389X

Preview

Text AMALIA HANIFAH ARTYA repository.pdf Download (1MB) | Preview

Abstract

Kebutuhan daging mulai meningkat sangat pesat, sehingga menyebebkan perubahan kenaikan harga yang drastic dan membuat keberadaan scammers menggelembungkan harga daging demi mendapatkan keuntungan besar dengan mencampur daging sapi dan babi. Sedikit konsumen yang menyadari pencampuran daging tersebut, untuk membedakan daging sapi dan babi dapat dilihat dari segi warna dan tekstur,namun teori tersebut masih memiliki kelemahan. Penelitian ini menggunakan metode Deep Learning yaitu Convolutional Neural Network dengan fitur ekstraksi tekstur Local Binary Pattern dan arsitektur AlexNet untuk klasifikasi daging. Penelitian yang dilakukan menyatakan klasifikasi citra daging yang dilakukan dapat diukur akurasinya dengan menggunakan berbagai parameter dan optimizer. Hasil perolehan akurasi tertinggi dari penelitian ini adalah 68,6% accuracy , 62% precision, 57,6% recall, dan 59% f1-score dengan menggunakan optimizer Stochastic Gradient Descent (SGD), 0,01 learning rate, 32 batch size, dan 0,9 momentum. Dibandingkan dengan dataset original, akurasi jenis dataset LBP masih dibawah dataset original dengan hasil perolehan akurasi pada jenis dataset original adalah 84,1% accuracy, 78,6% precision, 79% recall, dan 79% f1-score dengan menggunakan optimizer ( RMSprop, 0,0001 learning rate, 32 batch size, dan 0,9 momentum. Sehingga bisa disimpulkan arsitektur AlexNet dengan melakukan pengaturan nilai parameter yang ada dapat meningkatkan nilai akurasi.

Actions (login required)

View Item