Search for collections on Repository Library PCR

KLASIFIKASI CITRA DAGING SAPI DAN BABI MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK BERBASIS WEBSITE

Dzakwan, Dzakwan (2024) KLASIFIKASI CITRA DAGING SAPI DAN BABI MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK BERBASIS WEBSITE. Diploma thesis, Politeknik Caltex Riau.

[thumbnail of Laporan PA(Proyek Akhir)] Text (Laporan PA(Proyek Akhir))
DzakwanSuharyatama_1957301025_LaporanPA.pdf - Submitted Version
Restricted to Registered users only

Download (2MB)

Abstract

Permintaan daging sapi di Indonesia meningkat secara signifikan setiap tahun. Peningkatan permintaan ini sering dimanfaatkan oleh pedagang untuk mendapatkan lebih banyak keuntungan dengan mencampur daging sapi dengan daging babi. Setelah melakukan beberapa survei dengan orang-orang yang beragama Islam, ditemukan bahwa banyak umat
Muslim masih belum mengetahui bentuk dan warna daging babi. Selain itu, ada banyak kasus di mana daging sapi dicampur dengan daging babi untuk mendapatkan keuntungan, dan daging babi hutan, yang memiliki tekstur dan warna yang mirip dengan daging sapi, sering digunakan. Untuk membantu membedakan jenis daging ini, teknologi pemrosesan gambar menggunakan Convolutional Neural Network (CNN) berbasis
website dapat digunakan. Terdapat 300 gambar daging sapi dan 300 gambar daging babi, yang dibagi menjadi 90 gambar data pelatihan dan 90 gambar data pengujian. Arsitektur yang dibangun menggunakan 3 lapisan konvolusi dan 2 lapisan dense. Hasil pengujian menunjukkan tingkat akurasi sebesar 82% dan kerugian sebesar 86%. Dari hasil pengujian ini, dinyatakan bahwa penelitian ini cukup berhasil dan menghasilkan model yang dapat mengklasifikasikan daging sapi dan daging babi

Item Type: Thesis (Diploma)
Subjects: KBK > KBK Jurusan Teknologi Informasi > KBK Data Engineering
Divisions: Sarjana Terapan > Jurusan Teknologi Informasi > Sistem Informasi
Depositing User: Mr Dzakwan Suharyatama
Date Deposited: 28 Aug 2024 02:32
Last Modified: 28 Aug 2024 02:32
URI: https://repository.lib.pcr.ac.id/id/eprint/2585

Actions (login required)

View Item
View Item