Search for collections on Undip Repository

PENERAPAN ARSITEKTUR RESNET50 UNTUK KLASIFIKASI CITRA DAGING SAPI DAN BABI

ANGGRIVANI, Della Shanda (2025) PENERAPAN ARSITEKTUR RESNET50 UNTUK KLASIFIKASI CITRA DAGING SAPI DAN BABI. Undergraduate thesis, Fakultas Sain dan Matematika UNDIP.

[thumbnail of 1. COVER.pdf] Text
1. COVER.pdf

Download (77kB)
[thumbnail of 3. HALAMAN PENGESAHAN.pdf] Text
3. HALAMAN PENGESAHAN.pdf

Download (87kB)
[thumbnail of 6. ABSTRAK.pdf] Text
6. ABSTRAK.pdf

Download (125kB)
[thumbnail of 7. ABSTRACT.pdf] Text
7. ABSTRACT.pdf

Download (107kB)
[thumbnail of 8. DAFTAR ISI.pdf] Text
8. DAFTAR ISI.pdf

Download (172kB)
[thumbnail of 11. BAB I PENDAHULUAN.pdf] Text
11. BAB I PENDAHULUAN.pdf

Download (203kB)

Abstract

ABSTRAK

Pemalsuan daging, khususnya pencampuran daging sapi dengan daging babi, menjadi
permasalahan serius di Indonesia, terutama bagi masyarakat Muslim yang mengharuskan
konsumsi makanan halal. Perbedaan visual antara daging sapi dan babi sering kali sulit
dikenali secara kasat mata, sehingga diperlukan pendekatan berbasis teknologi untuk
mengidentifikasi jenis daging secara akurat. Penelitian ini bertujuan untuk menerapkan
arsitektur ResNet50 dalam melakukan klasifikasi citra daging sapi dan babi secara otomatis.
Dataset yang digunakan adalah Pork, Meat, and Horse Meat Dataset. Model dikembangkan
menggunakan metode transfer learning dengan memanfaatkan bobot awal ResNet50 yang
telah dilatih pada ImageNet. ResNet50 dipilih karena kemampuannya dalam menangani
jaringan yang sangat dalam tanpa mengalami degradasi performa, serta telah terbukti efektif
dalam berbagai tugas klasifikasi citra. Penelitian ini juga melakukan eksperimen pada
kombinasi hyperparameter seperti batch size, learning rate, dan dropout rate. Dataset citra
dibagi menjadi 80% data latih dan 20% data uji, dengan 20% dari data latih digunakan
sebagai data validasi. Hasil eksperimen menunjukkan bahwa konfigurasi terbaik dicapai
pada kombinasi batch size 8, learning rate 0,0001, dan dropout rate 0,2. Evaluasi
menggunakan confusion matrix menunjukkan performa tinggi dengan akurasi 98%, presisi
100%, recall 96%, dan f1-score 98%. Seluruh metrik evaluasi tersebut dihitung dengan
menggunakan kelas babi sebagai kelas positif. Hasil ini membuktikan bahwa model
ResNet50 efektif dalam membedakan citra daging sapi dan babi, serta dapat digunakan
sebagai alat bantu dalam memastikan kehalalan produk daging secara objektif.
Kata kunci : Klasifikasi Citra, Daging Sapi, Daging Babi, ResNet50, Transfer Learning.

Item Type: Thesis (Undergraduate)
Subjects: Sciences and Mathemathic
Divisions: Faculty of Science and Mathematics > Department of Informatics
Depositing User: Yemima Laras Sekarsari
Date Deposited: 03 Oct 2025 08:53
Last Modified: 03 Oct 2025 08:53
URI: https://eprints2.undip.ac.id/id/eprint/39418

Actions (login required)

View Item View Item