Muhammad Fikri Ruslan, Muhammad Fikri Ruslan (2024) KLASFIKASI JENIS DAGING AYAM FORMALIN DAN NON FORMALIN MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) BERBASIS ANDROID. Diploma thesis, Fakultas Teknik.
Skripsi_Muhammad Fikri Ruslan_201955202011.pdf
Download (3MB) | Preview
Abstract
ABSTRAK
Muhammad Fikri Ruslan 201955202011, Klasfikasi Jenis Daging Ayam
Formalin Dan Non Formalin Menggunakan Metode Convolutional Neural
Network (CNN) Berbasis Android (Dibimbing Oleh Ir. Rendra Soekarta,
S.Kom., M.T.,IPP. Dan Muhammad Yusuf, S.Kom., M.Kom.)
Ayam adalah salah satu jenis hewan unggas yang umum di seluruh dunia dan
merupakan sumber makanan penting. Permintaan akan daging ayam di Indonesia
terus meningkat, mencapai puncak tertinggi dalam sepuluh tahun terakhir pada
tahun 2021. Kenaikan konsumsi ini menyebabkan kekhawatiran terkait pemalsuan
daging ayam dengan formalin oleh pedagang yang tidak jujur. Penggunaan formalin
dalam daging ayam dapat berdampak negatif pada kesehatan konsumen. Dalam
upaya untuk membedakan antara daging ayam segar dan daging ayam berformalin,
penelitian ini mencoba menggunakan pengolahan citra digital dengan metode
Convolutional Neural Network (CNN). Pengklasifikasian citra ini menjadi penting
dalam berbagai bidang. Saat ini, proses penilaian kualitas daging ayam masih
tergantung pada penilaian visual dan indera penciuman manusia, serta pendekatan
kimia yang cenderung rumit, memakan waktu, dan bersifat merusak. Studi
sebelumnya menggunakan metode K-Nearest Neighbor (KNN) dan mencapai
akurasi sebesar 83%. Namun, penelitian ini memakai metode CNN karena
memberikan akurasi yang lebih tinggi dalam pengklasifikasi jenis daging ayam
formalin dan non formalin. Berdasarkan hasil penelitian, Aplikasi berhasil
diimplementasikan pada Klasifikasi daging Ayam Formalin dan Non Formalin
menggunakan metode convolutional neural network kedalam sistem berbasis
android dengan menggunakan bahasa java dan python serta mempereloh score
usability lebih dari 80% dan tingkat akurasi sebesar 92%. Untuk kelas "Ayam
Formalin", model memiliki precision sebesar 87%, recall sebesar 98%, dan f1-score
sebesar 92%, sedangkan untuk kelas "Ayam non Formalin", precisionnya sebesar
98%, recall sebesar 85%, dan f1-score sebesar 91%, yang menandakan bahwa
penelitian berhasil dilakukan sesuai dengan perancangan sistem.
Kata Kunci : Ayam, Formalin, Klasifikasi, Deep Learning, Convolutional Neural
Network, Android
Item Type: | Thesis (Diploma) |
---|---|
Subjects: | T Technology > T Technology (General) > T201 Patents. Trademarks |
Depositing User: | library unamin |
Date Deposited: | 19 Jul 2024 06:20 |
Last Modified: | 19 Jul 2024 06:20 |
URI: | http://repository.um-sorong.ac.id/id/eprint/115 |