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

Abstract

Penelitian yang dilakukan bertujuan mengembangkan model yang dapat mengidentifikasi
kesegaran daging menggunakan metode deep learning. Kesegaran daging adalah faktor krusial
dalam industri pangan untuk memastikan kualitas dan keselamatan konsumen. Namun, pengukuran
kesegaran daging secara visual oleh manusia dapat menjadi subjektif dan memakan waktu. Oleh
karena itu penelitian ini memanfaatkan kemajuan dalam bidang deep learning untuk mengatasi
masalah tersebut. Dalam penelitian ini dilakukan pengumpulan dataset berupa gambar daging dalam
berbagai kondisi kesegaran. Kemudian, digunakan teknik transfer learning pada arsitektur model
jaringan saraf konvolusi (CNN=Convolution Neural Network) jenis Resnet-50 yang sudah terbukti,
untuk melatih model. Dengan memanfaatkan fitur-fitur visual dari gambar daging yang dihasilkan
oleh model, diperoleh tingkat akurasi yang tinggi dalam mengidentifikasi tingkat kesegaran daging.
Hasil eksperimen menunjukkan bahwa model deep learning Resnet-50 dapat dengan tepat
mengklasifikasikan daging menjadi beberapa kategori tingkat kesegaran, seperti segar, setengah
segar, dan tidak segar. Selain itu, juga dilakukan analisis perbandingan dengan metode tradisional
dan menunjukkan bahwa model deep learning lebih unggul dalam kecepatan dan akurasi mencapai
96,5%. Penelitian ini diharapkan dapat memberikan kontribusi penting dalam industri pangan,
membantu dalam penanganan daging yang berkualitas rendah, dan memastikan keselamatan
konsumen. Selain itu, pendekatan yang digunakan dalam penelitian ini dapat diadaptasi untuk
masalah pengenalan kualitas produk lainnya dalam bidang industri dan manufaktur.