M. Fadil Martias, - (2023) Implementasi Klasifikasi Citra Daging Sapi dan Daging Babi Menggunakan CNN Arsitektur Efficientnet-B6 Dan Augmentasi Data. Klasifikasi Citra Daging Babi dan Daging Sapi Menggunakan Deep Learning Arsitektur ResNet-50 dengan Augmentasi Citra, 4 (4). pp. 642-653. ISSN 2685-998X

Preview

Text Tugas Akhir Fadil Martias.pdf Download (4MB) | Preview

Abstract

Dalam kehidupan sehari-hari, daging sapi seringkali menjadi kebutuhan utama manusia. Namun, harga daging sapi yang tinggi dan mahal menjadi masalah yang memicu pedagang untuk melakukan pengoplosan dengan daging babi demi meraih keuntungan. Pengoplosan semacam ini memiliki konsekuensi serius di dalam agama Islam, di mana tidak semua jenis daging halal dikonsumsi, seperti daging babi. Akibatnya, konsumen seringkali tidak menyadari bahwa daging sapi yang mereka beli telah dicampur dengan daging babi. Dalam pandangan kasat mata, kedua jenis daging ini memiliki bentuk dan tekstur yang serupa, sehingga sulit dibedakan. Penelitian ini bertujuan untuk mengklasifikasikan daging sapi dan babi menggunakan model deep learning dengan metode Convolutional Neural Network (CNN) yang dipadukan dengan augmentasi data. Model yang digunakan adalah EfficientNet-B6 dengan variasi skenario uji. Variasinya yaitu pada rasio pembagian data latih, data uji, learning rates, dan optimizer untuk EfficientNet-B6. Augmentasi data dilakukan dengan teknik rotasi acak, penggeseran, pembesaran atau pempersempitan citra, pembalikan citra secara vertikal dan horizontal, dan pengisian pixel terdekat. Hasil evaluasi menggunakan confusion matrix menunjukkan bahwa model dengan augmentasi data memiliki akurasi tertinggi untuk kelas sapi, babi dan oplosan sebesar 92,00%, sedangkan model tanpa augmentasi memiliki akurasi 91,67%. Namun, dari eksperimen ini, dapat diperoleh skenario terbaik untuk untuk menghindari daging babi dan oplosan terklasifikasi sebagai sapi. Skenarionya yaitu model dengan augmentasi data, pembagian data 90:10, optimizer SGD, dan learning rate 0,01 ini memiliki nilai presisi kelas sapi tertinggi yaitu sebesar 96,05%. Hasil penelitian menunjukkan bahwa penggunaan augmentasi data pada citra dapat meningkatkan kinerja model, dan model dengan augmentasi data pada skenario rasio pembagian data 90:10, optimizer SGD, dan learning rate 0,01 memiliki kinerja terbaik dalam mengklasifikasikan citra sapi.

Actions (login required)

View Item