Membangun Model Pengidentifikasi Kesegaran Daging dengan Metode Jaringan Syaraf Konvolusi (CNN) Jenis Resnet-50

Abstract

Penelitian yang dilakukan bertujuan mengembangkan model yang dapat mengidentifikasikesegaran daging menggunakan metode deep learning. Kesegaran daging adalah faktor krusialdalam industri pangan untuk memastikan kualitas dan keselamatan konsumen. Namun, pengukurankesegaran daging secara visual oleh manusia dapat menjadi subjektif dan memakan waktu. Olehkarena itu penelitian ini memanfaatkan kemajuan dalam bidang deep learning untuk mengatasimasalah tersebut. Dalam penelitian ini dilakukan pengumpulan dataset berupa gambar daging dalamberbagai kondisi kesegaran. Kemudian, digunakan teknik transfer learning pada arsitektur modeljaringan saraf konvolusi (CNN=Convolution Neural Network) jenis Resnet-50 yang sudah terbukti,untuk melatih model. Dengan memanfaatkan fitur-fitur visual dari gambar daging yang dihasilkanoleh model, diperoleh tingkat akurasi yang tinggi dalam mengidentifikasi tingkat kesegaran daging.Hasil eksperimen menunjukkan bahwa model deep learning Resnet-50 dapat dengan tepatmengklasifikasikan daging menjadi beberapa kategori tingkat kesegaran, seperti segar, setengahsegar, dan tidak segar. Selain itu, juga dilakukan analisis perbandingan dengan metode tradisionaldan menunjukkan bahwa model deep learning lebih unggul dalam kecepatan dan akurasi mencapai96,5%. Penelitian ini diharapkan dapat memberikan kontribusi penting dalam industri pangan,membantu dalam penanganan daging yang berkualitas rendah, dan memastikan keselamatankonsumen. Selain itu, pendekatan yang digunakan dalam penelitian ini dapat diadaptasi untukmasalah pengenalan kualitas produk lainnya dalam bidang industri dan manufaktur.