Naturizal, Rayhan (2024) SISTEM PENDETEKSI TINGKAT KESEGARAN DAGING AYAM PADA CITRA MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) BERBASIS ANROID. S1 thesis, Universitas Malikussaleh.

	Text Cover.pdf Download (93kB)
	Text Abstrak.pdf Download (460kB)
	Text Bab 1.pdf Download (1MB)
	Text Daftar Pustaka.pdf Download (1MB)
	Text Full-text.pdf Restricted to Registered users only Download (20MB)

Abstract

Penelitian ini mengembangkan sistem pendeteksi tingkat kesegaran daging ayam berbasis citra yang diimplementasikan pada platform Android menggunakan metode Convolutional Neural Network (CNN) yang dioptimalkan dengan TensorFlow Lite. Sistem ini memanfaatkan CNN untuk mengklasifikasikan tingkat kesegaran daging ayam ke dalam tiga kategori yaitu segar, kurang segar, dan busuk. Dalam proses deteksi, model CNN ini menggunakan 32 filter untuk menghasilkan 32 feature map baru, meningkatkan kemampuan ekstraksi fitur dari citra daging ayam. Pengujian pada 30 sampel, dengan setiap kategori diuji 10 kali, menunjukkan akurasi keseluruhan sebesar 90%, di mana 27 deteksi berhasil dan 3 kesalahan terjadi pada kategori kurang segar. Meskipun CNN dalam sistem ini sangat efektif dalam mendeteksi kategori segar dan busuk, ada tantangan dalam membedakan kategori kurang segar yang memiliki karakteristik visual yang lebih ambigu. Meskipun hasil yang diperoleh cukup memuaskan, aplikasi ini masih menghadapi kekurangan, seperti tidak adanya bounding box untuk deteksi objek yang akurat. Hal ini menyebabkan aplikasi tidak dapat membedakan objek yang bukan potongan daging ayam, sehingga tetap memberikan hasil deteksi meskipun objek yang ditangkap bukan daging ayam. Aplikasi ini dirancang khusus dengan CNN untuk mendeteksi potongan daging ayam dan gambar potongan daging ayam, sehingga tidak disarankan untuk digunakan di luar konteks tersebut.

Item Type:	Thesis (S1)
Subjects:	Q Science > Q Science (General) Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software T Technology > T Technology (General)
Divisions:	Fakultas Teknik > 55201 - Jurusan Teknik Informatika
Depositing User:	Rayhan Naturizal
Date Deposited:	04 Mar 2025 05:13
Last Modified:	04 Mar 2025 05:13
URI:	https://rama.unimal.ac.id/id/eprint/10550

Actions (login required)

View Item