Klasifikasi Citra Daging Sapi dan Babi Menggunakan Convolutional Neural Network (CNN) dengan Arsitektur EfficientNet-B2 dan Augmentasi Data
DOI:
https://doi.org/10.32493/informatika.v8i2.30587Keywords:
Daging, Convolutional Neural Network, Klasifikasi, EfficientNet-B2, AugmentasiAbstract
Permintaan daging sapi Indonesia meningkat secara signifikan setiap tahun. Meningkatnya kebutuhan daging sapi ini sering dimanfaatkan oleh pedagang untuk mendapatkan untung lebih dengan cara mencampurkan daging sapi dan babi (oplosan). Membedakan daging sapi, babi, dan oplosan secara manual menggunakan penciuman dan penglihatan manusia sangatlah sulit. Untuk membantu membedakan daging tersebut dapat menggunakan teknologi yaitu pengolahan citra. Penelitian ini menggunakan Convolutional Neural Network (CNN) berarsitektur EfficientNet-B2 untuk pengolahan citra dan klasifikasi. Pada penelitian ini juga dilakukan proses augmentasi data citra untuk memperbanyak citra dengan tujuan meningkatkan akurasi. Jumlah citra asli daging sebanyak 900 telah mengalami peningkatan setelah dilakukan proses augmentasi, menjadi 9000 citra yang mencakup daging sapi, babi, dan oplosan. Dataset dibagi menjadi dua bagian, yaitu dataset pelatihan dan testing, dengan rasio perbandingan 80:20 dan 90:10. Dengan menggunakan dataset citra augmentasi dengan kombinasi optimizer Adamax, activation Swish, dan learning rate 0.1, penelitian ini menghasilkan akurasi klasifikasi tertinggi, yaitu 98,22% accuracy, 98,25% precision, 98,22% recall, 98,22% f1-score, dengan rasio perbandingan data 90:10.
References
Alhatemi, R. A. J., & Savaş, S. (2022). Journal of Computer Science. Journal of Computer Science, IDAP-2022, 192–201. https://doi.org/10.53070/bbd.1172807
Amriza, R. N. S., & Supriyadi, D. (2021). Komparasi Metode Machine Learning dan Deep Learning untuk Deteksi Emosi pada Text di Sosial Media. Jurnal JUPITER, 13(2), 130–139.
Aras, S., Setyanto, A., & Makassar, U. D. (2022). Deep Learning Untuk Klasifikasi Motif Batik Papua Menggunakan EfficientNet dan Trasnfer Learning. Insect, 8(1), 11–20.
Azmi, N. (2021). Manfaat Daging Sapi, Daging Merah yang Kaya akan Protein. Www.Hellosehat.Com. https://hellosehat.com/nutrisi/fakta-gizi/manfaat-daging-sapi/
Efendi, D., Jasril, J., Sanjaya, S., Syafria, F., & Budianita, E. (2022). Penerapan Algoritma Convolutional Neural Network Arsitektur ResNet-50 untuk Klasifikasi Citra Daging Sapi dan Babi. Jurnal Riset Komputer, 9(3), 2407–389. https://doi.org/10.30865/jurikom.v9i3.4176
Ekawati, D. (2021). Akibat Memakan Makanan Haram. Www.Rumahzakat.Com. https://www.rumahzakat.org/id/akibat-memakan-makanan-haram#
Habibi Aghdam, H., Jahani Heravi, E., & AG, S. I. P. (2018). Guide to Convolutional Neural Networks A Practical Application to Traffic-Sign Detection and Classification.
Handayani, L., Jasril, Budianita, E., Oktista, W., Hadi, R., Fattah, D., Yendra, R., & Fudholi, A. (2017). Comparison of target Probabilistic Neural network (PNN) classification for beef and pork. Journal of Theoretical and Applied Information Technology, 95(12), 2753–2760.
Hidayat, D., & Al Maki, W. F. (2022). Deteksi Glaukoma Menggunakan Metode Convolutional Neural Network dan Grabcut Segmentation. 9(3), 1855–1861.
Iim Fathimah Timorria. (2022). Kebutuhan Impor Daging Sapi 2022 Capai 266.000 Ton. Ekonomi Bisnis.Com. https://ekonomi.bisnis.com/read/20220113/12/1488730/kebutuhan-impor-daging-sapi-2022-capai-266000-ton
Iswinarno, C. (2020). Waduh! Oplosan Daging Babi untuk Bakso dan Rendang Beredar di Jawa Barat. Www.Suarajabar.Id. https://jabar.suara.com/read/2020/06/30/162156/waduh-oplosan-daging-babi-untuk-bakso-dan-rendang-beredar-di-jawa-barat
Jasril, J., & Sanjaya, S. (2018). Learning Vector Quantization 3 (LVQ3) and Spatial Fuzzy C-Means (SFCM) for Beef and Pork Image Classification. Indonesian Journal of Artificial Intelligence and Data Mining, 1(2), 60. https://doi.org/10.24014/ijaidm.v1i2.5024
Lasniari, S., Jasril, J., Sanjaya, S., Yanto, F., & Affandes, M. (2022). Klasifikasi Citra Daging Babi dan Daging Sapi Menggunakan Deep Learning Arsitektur ResNet-50 dengan Augmentasi Citra. Jurnal Sistem Komputer Dan Informatika (JSON), 3(4), 450. https://doi.org/10.30865/json.v3i4.4167
Lihayati, N., Pawening, R. E., & Furqan, M. (2016). Klasifikasi Jenis Daging Berdasarkan Tekstur Menggunakan Metode Gray Level Coocurent Matrix. Prosiding SENTIA, 8(1994), 305–310.
Lova, C. (2020). Heboh Daging Babi Serupa Daging Sapi di Bandung, Walkot Bekasi Minta Anak Buahnya Awasi Pedagang. Www.Kompas.Com. https://megapolitan.kompas.com/read/2020/05/14/10344831/heboh-daging-babi-serupa-daging-sapi-di-bandung-walkot-bekasi-minta-anak
Nugroho, P. A., Fenriana, I., & Arijanto, R. (2020). Implementasi Deep Learning Menggunakan Convolutional Neural Network ( Cnn ) Pada Ekspresi Manusia. Algor, 2(1), 12–21.
Pangkasidhi, A. K., Palit, H. N., & Tjondrowiguno, A. N. (2021). Aplikasi Pendukung Diagnosis COVID-19 Yang Menganalisis Hasil X-Ray Paru-Paru Dengan Model EfficientNet. Jurnal Infra, 9(2)(031), 1–6.
Sudibyo, U., Kusumaningrum, D. P., Rachmawanto, E. H., & Sari, C. A. (2018). Optimasi Algoritma Learning Vector Quantization (Lvq) Dalam Pengklasifikasian Citra Daging Sapi Dan Daging Babi Berbasis Glcm Dan Hsv. Simetris: Jurnal Teknik Mesin, Elektro Dan Ilmu Komputer, 9(1), 1–10. https://doi.org/10.24176/simet.v9i1.1943
Winardi, P., & Setyati, E. (2021). Identifikasi Jenis Daging dengan Menggunakan Algoritma Convolution Neural Network. Journal of Information System,Graphics, Hospitality and Technology, 3(02), 82–88. https://doi.org/10.37823/insight.v3i02.178
Yuda Alhafis, G., Jasril, J., Sanjaya, S., Syafria, F., & Budianita, E. (2022). Klasifikasi Citra Daging Sapi dan Daging Babi Menggunakan Ekstraksi Ciri dan Convolutional Neural Network. Jurnal Riset Komputer), 9(3), 2407–389. https://doi.org/10.30865/jurikom.v9i3.4175
Yulianti, N. S., Boro Seminar, K., Hermanianto, J., & Wahjuni, S. (2021). Identifikasi Kemurnian Daging Berbasis Analisis Citra Identification Of Meat Purity Based On Image Analysis. Jurnal Teknologi Informasi Dan Ilmu Komputer, 8(4), 643–650. https://doi.org/10.25126/jtiik.202183307
Downloads
Published
Issue
Section
License
Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution-NonCommercial 4.0 International (CC BY-NC 4.0) that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).
Jurnal Informatika Universitas Pamulang have CC-BY-NC or an equivalent license as the optimal license for the publication, distribution, use, and reuse of scholarly work.
In developing strategy and setting priorities, Jurnal Informatika Universitas Pamulang recognize that free access is better than priced access, libre access is better than free access, and libre under CC-BY-NC or the equivalent is better than libre under more restrictive open licenses. We should achieve what we can when we can. We should not delay achieving free in order to achieve libre, and we should not stop with free when we can achieve libre.
Jurnal Informatika Universitas Pamulang is licensed under a Creative Commons Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)
YOU ARE FREE TO:
- Share : copy and redistribute the material in any medium or format
- Adapt : remix, transform, and build upon the material for any purpose, even commercially.
- The licensor cannot revoke these freedoms as long as you follow the license terms