Penerapan Algoritma Convolutional Neural Network Arsitektur ResNet-50 untuk Klasifikasi Citra Daging Sapi dan Babi

Abstract

Meat is one of the food ingredients needed by humans. The price of pork is cheaper than beef, which has led to the practice of mixing beef with pork for the purpose of making big profits. In plain view, the difference between beef and pork is not striking, so it is difficult for ordinary people to distinguish between them. In terms of color, pork is paler than beef. In terms of texture, beef is stiffer and tougher than pork. In terms of fiber, beef is clearer than pork, so we need a system that can identify the two types of meat. This study uses the Convolutional Neural Network (CNN) algorithm with the ResNet-50 architecture with 3 types of optimizers such as Stochastic Gradient Descent (SGD), Adam, and RMSprop. The dataset used for training first goes through 2 stages of preprocessing, namely cropping and resizing. The results of the study show that the SGD optimizer can outperform the Adam and RMSprop optimizers with 97.83% accuracy, 97% precision, 97% recall, and 97% f1 score with batch size 32, learning rate 0.01, and epoch 50.

Implementasi Algoritma Convolutional Neural Network Untuk Klasifikasi Citra Kemasan Kardus Defect dan No Defect

“…Selain itu juga penelitian yang dilakukan oleh Dodi Efendi, dkk yang menggunakan algortima CNN dengan arsitektur ResNet50 untuk mengklasifikasi citra daging sapi dan babi dengan jumlah data citra sebanyak 1000 citra untuk masing-masing kelas yakni daging babi, daging sapi dan daging oplosan. Dimana hasil dari penelitian menunjukkan dengan menggunakan optimizer SGD mendapatkan tingkat accuracy sebesar 97,83%, precision 97%, recall 97% serta f1 score 97% dengan kondisi batch size 32, learning rate 0.01 dan nilai epoch sebesar 50 [6]. Penelitian lain yang menggunakan CNN adalah penelitian yang dilakukan oleh Alif Kirana, dkk yang digunakan untuk pengenalan pola aksara sunda dengan empat jenis pengujian dan pengujian mengggunakan citra font komputer mencapai akurasi tertinggi yakni 100% [7].…”

Convolutional Neural Network Untuk Perbandingan Optimizer Pada Citra Batang Pohon

“…Salah satunya klasifikasi citra bunga. Penelitian [19] Penelitian [20] mengidentifikasi parasit malaria pada citra mikroskopis hapusan darah dengan berbagai optimizer. Tujuh optimizer yang berbeda-beda yaitu Adam, AdaDelta, RMSProp, SGD, AdaMax, Nadam, dan AdaGrad digunakan untuk pengujian penelitian tersebut.…”

“…Penelitian [19] menggunakan ResNet-50 dengan menggunakan metode optimizer SGD, Adam, dan RMSprop dan konfigurasi hyperparameter untuk klasifikasi citra daging sapi, babi, dan oplosan. Hasil menunjukkan SGD adalah optimizer terbaik dalam penelitian tersebut dengan tingkat nilai akurasi sebesar 97,83%, ketepatan sebesar 97%, recall sebesar 97%, dan skor f1 sebesar 97% dengan kondisi batch size 32, learning rate 0,01, dan epoch 50.…”

Klasifikasi Ras Anjing Berdasarkan Citra Menggunakan Convolutional Neural Network

“…Model arsitektur yang digunakan CNN dengan akurasi training 99,34% dan akurasi testing sebesar 90,43%.Terakhir pada penelitian tahun 2020 yang dilakukan Faiz Nashrullah, Suryo Adhi Wibowo, dan Gelar Budiman dengan judul "Investigasi Parameter Epoch Pada Arsitektur ResNet-50 Untuk Klasifikasi Pornografi". Dengan menggunakan CNN dan arsitektur untuk mendeteksi konten pornografi didapatlah akurasi terbaik yaitu sebesar 91,033% dengan 60 epoch.Ruang lingkup penelitian ini, yaitu ras anjing yang diklasifikasi sebanyak 120 ras dengan jumlah total citra sebanyak 20580 serta ukuran citranya diresize menjadi 224 x 224 piksel[9][10]. Objek adalah citra anjing dari dataset Stanford Dogs Dataset yang dapat diakases pada https://www.kaggle.com/jessicali9530/stanford-dogs-dataset.…”

“…Parameter keluaran adalah hasil akurasi dari klasifikasi ras anjing berdasarkan model yang sudah dilatih menggunakan dataset. Bahasa pemrograman yang diterapkan menggunakan Python[10]. Tujuan penelitian ini untuk melakukan penerapan dan mengetahui hasil akurasi dari klasifikasi dari metode Convolutional Neural Network menggunakan arsitektur ResNet-50 untuk klasifikasi ras anjing.…”