PRADNYANA, PUTU YOVA (2026) KLASIFIKASI JENIS DAGING BABI MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK DAN VGG16. Undergraduate thesis, Universitas Pendidikan Ganesha.
![[img]](http://repo.undiksha.ac.id/style/images/fileicons/text.png) |
Text (COVER)
2215101017-COVER.pdf Download (3MB) |
|
Text (ABSTRAK)
2215101017-ABSTRAK.pdf Download (16MB) |
|
Text (BAB 1 PENDAHULUAN)
2215101017-BAB 1 PENDAHULUAN.pdf Download (16MB) |
|
Text (BAB 2 KAJIAN TEORI)
2215101017-BAB 2 KAJIAN TEORI.pdf Restricted to Repository staff only Download (16MB) | Request a copy |
|
Text (BAB 3 METODELOGI PENELITIAN)
2215101017-BAB 3 METODELOGI PENELITIAN.pdf Restricted to Repository staff only Download (16MB) | Request a copy |
|
Text (BAB 4 HASIL DAN PEMBAHASAN)
2215101017-BAB 4 HASIL DAN PEMBAHASAN.pdf Restricted to Repository staff only Download (16MB) | Request a copy |
|
Text (BAB 5 PENUTUP)
2215101017-BAB V PENUTUP.pdf Restricted to Repository staff only Download (16MB) | Request a copy |
|
Text (DAFTAR PUSTAKA)
2215101017-DAFTAR PUSTAKA.pdf Download (16MB) |
|
Text (LAMPIRAN)
2215101017-LAMPIRAN.pdf Download (16MB) |
Abstract
Daging babi merupakan salah satu sumber protein hewani yang banyak dikonsumsi masyarakat, khususnya di Bali. Namun, praktik pencampuran dan pemalsuan antara daging celeng, bangkung, dan campuran masih sering terjadi sehingga berpotensi merugikan konsumen. Identifikasi jenis daging yang masih dilakukan secara manual berdasarkan pengamatan visual rentan terhadap kesalahan. Penelitian ini bertujuan untuk mengembangkan dan membandingkan model klasifikasi jenis daging babi menggunakan metode Convolutional Neural Network (CNN) dan VGG16. Dataset yang digunakan terdiri dari 300 citra asli, masing-masing 100 citra daging celeng, 100 citra daging bangkung, dan 100 citra daging campuran. Melalui teknik augmentasi data berupa rotation, flipping, zooming, shifting, dan brightness enhancement, jumlah data meningkat menjadi 6.300 citra. Model dilatih menggunakan variasi learning rate 0,0001 dan 0,0005 serta batch size 16 dan 32 selama 30 epoch. Hasil penelitian menunjukkan bahwa model VGG16 memberikan performa terbaik pada learning rate 0,0001 dan batch size 32 dengan training accuracy 96,67%, validation accuracy 95,56%, dan testing accuracy 93,33%. Sementara itu, model CNN memperoleh testing accuracy terbaik sebesar 86%. Hasil tersebut menunjukkan bahwa VGG16 lebih unggul dibandingkan CNN dalam mengklasifikasikan jenis daging babi berdasarkan citra digital. Penelitian ini diharapkan dapat mendukung proses identifikasi daging secara otomatis dan membantu meningkatkan perlindungan konsumen.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Uncontrolled Keywords: | Kata Kunci: Deep Learning, Klasifikasi Citra, Daging Babi, CNN, VGG16 |
| Subjects: | Q Science > Q Science (General) Q Science > QA Mathematics Q Science > QA Mathematics > QA76 Computer software |
| Divisions: | Fakultas Teknik dan Kejuruan > Jurusan Teknik Informatika > Program Studi Ilmu Komputer (S1) |
| Depositing User: | PUTU YOVA PRADNYANA |
| Date Deposited: | 24 Jul 2026 03:32 |
| Last Modified: | 24 Jul 2026 03:32 |
| URI: | http://repo.undiksha.ac.id/id/eprint/31411 |
Actions (login required)
 |
View Item |