Implementasi Convolutional Neural Network dengan Arsitektur MobileNetV2 Untuk Pengklasifikasi Kesegeran Daging

Arif Tirtana; Ricky Sebastian Irawan

doi:10.25273/doubleclick.v8i1.20946

Implementasi Convolutional Neural Network dengan Arsitektur MobileNetV2 Untuk Pengklasifikasi Kesegeran Daging

Arif Tirtana, Ricky Sebastian Irawan

Abstract

Daging sapi adalah salah satu komoditas pangan utama di Indonesia, namun memilih daging sapi yang baik tidaklah mudah. Pada tahun 2023, ditemukan daging sapi busuk dijual di pasaran, menunjukkan masalah berkelanjutan dalam kualitas daging. Teknologi pengolahan citra dengan deep learning, khususnya menggunakan Convolutional Neural Network (CNN) dengan arsitektur MobileNetV2, menjadi solusi untuk permasalahan ini. Teknologi ini diimplementasikan dalam aplikasi perangkat bergerak untuk mendeteksi kesegaran daging sapi. Model dilatih dengan 2080 citra, terdiri dari 1040 citra daging sapi segar dan sisanya merupakan citra daging sapi busuk, dan dievaluasi menggunakan confusion matrix dengan hasil akurasi 94%. Aplikasi ini membantu pengguna mendapatkan informasi tentang kesegaran daging sapi, mengurangi risiko kesehatan, dan memastikan kualitas daging di pasaran. Hasil penelitian menunjukkan bahwa aplikasi yang dirancang efektif dalam mengklasifikasikan kesegaran daging sapi.

Keywords

Freshness of Beef; Convolutional Neural Network; MobileNetV2

Full Text:

PDF

References

Adhinata, Faisal Dharma, Nia Annisa Ferani Tanjung, Widi Widayat, Gracia Rizka Pasfica, and Fadlan Raka Satura. 2021. “Comparative Study of VGG16 and MobileNetV2 for Masked Face Recognition.” Jurnal Ilmiah Teknik Elektro Komputer Dan Informatika 7(2):230. doi: 10.26555/jiteki.v7i2.20758.

Al-Jabbar, Habib Muhammad, Hurriyatul Fitriyah, and Rizal Maulana. 2021. “Sistem Klasifikasi Kesegaran Daging Sapi Berdasarkan Citra Menggunakan Metode Naïve Bayes Berbasis Raspberry Pi.” Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer 5(4):1646–53.

ANHAR, ANHAR, and RAHMA ADI PUTRA. 2023. “Perancangan Dan Implementasi Self-Checkout System Pada Toko Ritel Menggunakan Convolutional Neural Network (CNN).” ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika 11(2):466. doi: 10.26760/elkomika.v11i2.466.

Asmoro, Phaksi Bangun, and Achmad Solichin. 2024. “Penerapan Metode Convolutional Neural Network Untuk Klasifkasi Kualitas Daging Sapi Pada Aplikasi Berbasis Android.” Faktor Exacta 16(4):286–98. doi: 10.30998/faktorexacta.v16i4.19564.

Azmi, Khairul, Sarjon Defit, and Sumijan Sumijan. 2023. “Implementasi Convolutional Neural Network (CNN) Untuk Klasifikasi Batik Tanah Liat Sumatera Barat.” Jurnal Unitek 16(1):28–40. doi: 10.52072/unitek.v16i1.504.

Fitirani, Rizki, and Nadella Lesmana. 2024. “Masa Depan Pembelajaran Mesin: Tren Dan Tantangan.” Jurnal Pembelajaran Mesin 32(5):210–225.

Jumadi, Juju, Yupianti Yupianti, and Devi Sartika. 2021. “Pengolahan Citra Digital Untuk Identifikasi Objek Menggunakan Metode Hierarchical Agglomerative Clustering.” JST (Jurnal Sains Dan Teknologi) 10(2):148–56. doi: 10.23887/jstundiksha.v10i2.33636.

Maulana, Sandy Andika, Shabrina Husna Batubara, Yohanna Permata, Putri Pasaribu, Hermawan Syahputra, and Fanny Ramadhani. 2024. “DETEKSI BURUNG MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK ( CNN ) DENGAN MODEL ARSITEKTUR MOBILENETV2.” 8(4):6108–14.

Prabowo, Ade, Danang Erwanto, and Putri Nur Rahayu. 2021. “Klasifikasi Kesegaran Daging Sapi Menggunakan Metode Ekstraksi Tekstur GLCM Dan KNN Freshness Classification of Beef Using GLCM Texture Extraction Method and KNN.” Elektro Luceat 7(1):74–81.