KLASIFIKASI JENIS DAGING AYAM, KAMBING, DAN SAPI MENGGUNAKAN METODE IMAGE PROCESSING DAN BACKPROPAGATION

Mutmainnah, Mutmainnah (2019) KLASIFIKASI JENIS DAGING AYAM, KAMBING, DAN SAPI MENGGUNAKAN METODE IMAGE PROCESSING DAN BACKPROPAGATION. Other thesis, UNIVERSITAS NURUL JADID.

Text Skripsi_15014077_Mutmainnah_IF.pdf Restricted to Registered users only Download (6MB)

Abstract

Daging merupakan produk pangan asal hewan ternak yang menjadi salah satu sumber pemenuhan gizi utama bagi sebagian besar masyarakat Indonesia. Secara visual, beberapa jenis daging seperti daging sapi, kambing, dan ayam memiliki kemiripan karakteristik fisik yang tinggi. Sebagai contoh, warna daging ayam tertentu dapat menyerupai daging kambing, sementara daging sapi yang telah terpapar udara bebas (oksidasi) juga memiliki kemiripan warna dengan daging kambing. Kondisi tersebut menimbulkan kesulitan bagi masyarakat awam untuk membedakan jenis daging tersebut secara tepat, sehingga rentan terhadap praktik pemalsuan atau pencampuran komoditas daging di pasar. Penelitian ini bertujuan untuk membangun sebuah sistem komputasi cerdas yang mampu mengklasifikasikan jenis daging ayam, kambing, dan sapi secara otomatis berbasis Image Processing (Pengolahan Citra Digital) dengan menerapkan Jaringan Saraf Tiruan (JST) Backpropagation. Tahap awal pemrosesan citra (preprocessing) dilakukan melalui pemotongan (cropping) dan penyeragaman dimensi (resizing) terhadap 45 sampel citra daging. Proses ekstraksi fitur dilakukan untuk mendapatkan nilai representatif citra, yang meliputi fitur warna RGB (mean Red, mean Green, mean Blue, mean Grayscale) dan fitur tekstur berbasis Gray Level Co-occurrence Matrix (GLCM) untuk menghasilkan parameter contrast, correlation, energy, homogeneity, dan entropy. Sembilan parameter numerik hasil ekstraksi tersebut diintegrasikan sebagai node masukan (input layer) pada algoritma Backpropagation. Data penelitian dibagi menjadi 33 citra sebagai data latih (training) dan 12 citra sebagai data uji (testing). Hasil pengujian model dengan konfigurasi 4 hidden layer dan 500 epoch berhasil mencapai tingkat akurasi rata-rata sebesar 92,50% melalui 20 kali eksperimen. Fluktuasi nilai hasil uji coba disebabkan oleh inisialisasi bobot awal Backpropagation yang bersifat acak (random weight initialization). Sistem ini diharapkan dapat menjadi rujukan instrumen standardisasi dan pengawasan mutu pangan secara praktis, cepat, tepat, dan akurat.

Kata Kunci: Klasifikasi Daging, Pengolahan Citra Digital, Ekstraksi Fitur GLCM, Backpropagation, Akurasi.

Item Type:	Thesis (Other)
Subjects:	H Social Sciences > HD Industries. Land use. Labor Q Science > QA Mathematics > QA76 Computer software S Agriculture > SF Animal culture T Technology > TS Manufactures
Divisions:	Fakultas Teknik > S1 Teknik Informatika
Depositing User:	Saiful Ghazi
Date Deposited:	05 Jul 2026 08:18
Last Modified:	05 Jul 2026 08:18
URI:	https://repository.unuja.ac.id/id/eprint/4011

Actions (login required)

View Item