MITSLINA, Mitslina (2026) Penerapan Hybrid Densenet121-SVM Pada Klasifikasi Citra Daging Babi dan Sapi. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.
|
Text
1. COVER.pdf Download (181kB) |
|
|
Text
3. HALAMAN PENGESAHAN.pdf Download (387kB) |
|
|
Text
4. KATA PENGANTAR.pdf Download (449kB) |
|
|
Text
6. ABSTRAK.pdf Download (547kB) |
|
|
Text
7. ABSTRACT.pdf Download (474kB) |
|
|
Text
8. DAFTAR ISI.pdf Download (550kB) |
|
|
Text
11. BAB I PENDAHULUAN.pdf Download (131kB) |
|
|
Text
16. DAFTAR PUSTAKA.pdf Download (2MB) |
Abstract
Peningkatan konsumsi daging sapi di Indonesia diiringi tantangan verifikasi kehalalan akibat kemiripan karakteristik visual dengan daging babi, sementara metode identifikasi
konvensional dinilai kurang praktis untuk penggunaan lapangan dan metode deep learning murni rentan mengalami overfitting pada dataset terbatas. Penelitian ini bertujuan membangun model klasifikasi otomatis menggunakan pendekatan hybrid yang mengintegrasikan arsitektur DenseNet121 sebagai pengekstraksi fitur dan Support Vector Machine (SVM) sebagai pengklasifikasi. Evaluasi kinerja model dilakukan menggunakan
244 citra digital dari dataset Kaggle yang dibagi dengan rasio 64:16:20 untuk menguji pengaruh teknik augmentasi data serta optimasi hyperparameter yang meliputi batch size, learning rate, dropout, jenis kernel, dan nilai parameter regularisasi (C). Hasil eksperimen menunjukkan bahwa skenario pelatihan dengan augmentasi data terbukti paling efektif dalam meningkatkan generalisasi model dan mencapai akurasi pengujian sempurna sebesar 100%, mengungguli skenario tanpa augmentasi yang mencapai 98%. Kinerja optimal tersebut dicapai menggunakan kombinasi hyperparameter DenseNet121 dengan batch size
32, learning rate 10 , dan dropout 0,5, serta konfigurasi SVM menggunakan kernel Linear dengan parameter C bernilai 1. Penelitian ini menyimpulkan bahwa metode hybrid DenseNet121-SVM dengan strategi augmentasi data dan pemilihan parameter yang tepat merupakan pendekatan yang akurat dan robust untuk identifikasi keaslian citra daging.
Kata kunci : Augmentasi Data, Daging Babi, Daging Sapi, DenseNet121, Hybrid Deep Learning, SVM.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Subjects: | Sciences and Mathemathic |
| Divisions: | Faculty of Science and Mathematics > Department of Informatics |
| Depositing User: | Yemima Laras Sekarsari |
| Date Deposited: | 23 Jan 2026 04:51 |
| Last Modified: | 23 Jan 2026 04:51 |
| URI: | https://eprints2.undip.ac.id/id/eprint/43780 |
Actions (login required)
![]() |
View Item |
