Aplikasi Berbasis Web untuk Menentukan Kesegaran Daging Berdasarkan Gambar Menggunakan Algoritma Mobilenetv2
Abstract
Proses identifikasi kesegaran daging di masyarakat sebagian besar masih mengandalkan metode manual yang subjektif, sehingga berpotensi menimbulkan kesalahan dan risiko kesehatan bagi konsumen. Penelitian ini bertujuan untuk mengembangkan aplikasi berbasis web yang mampu menentukan tingkat kesegaran daging secara objektif dan akurat berdasarkan gambar. Metode yang digunakan adalah Penelitian dan Pengembangan (Research and Development) dengan mengimplementasikan algoritma Convolutional Neural Network (CNN) melalui arsitektur MobileNetV2 dengan teknik Transfer Learning. Dataset gambar dibagi dengan rasio 80% untuk data latih, 10% data validasi, dan 10% data uji. Hasil evaluasi model menunjukkan performa yang sangat memuaskan dengan tingkat akurasi keseluruhan mencapai 99%. Secara rinci, model mencapai nilai precision, recall, dan F1-score sebesar 0.98, 1.00, dan 0.99 untuk kategori daging segar, serta 1.00, 0.98, dan 0.99 untuk kategori tidak segar. Hasil ini membuktikan bahwa aplikasi yang dikembangkan dapat menjadi solusi efektif untuk verifikasi kualitas daging secara cepat, akurat, dan mudah diakses.
Keywords
Full Text:
PDF (Bahasa Indonesia)References
Cahyo, E. N., Susanti, E., & Ariyana, R. Y. (2023). Model Machine Learning Untuk Klasifikasi Kesegaran Daging Menggunakan Arsitektur Transfer Learning Xception. Jurnal Sistem Dan Teknologi Informasi (JustIN), 11(2), 371. https://doi.org/10.26418/justin.v11i2.57517
Hanifa, M. F., Ramadhan, A. T., Husna, N., Widiyono, N. A., Mubarak, R. S., Putri, A. A., & Priyanta, S. (2023). Fishku Apps: Fishes Freshness Detection Using CNN With MobilenetV2. IJCCS (Indonesian Journal of Computing and Cybernetics Systems), 17(1), 67. https://doi.org/10.22146/ijccs.80049
Herianto, Arif Budiman, A., Nur Afifa, L., Setiyaningsih, T., & Amin Ridho, T. (2023). Membangun Model Pengidentifikasi Kesegaran Daging dengan Metode Jaringan Syaraf Konvolusi (CNN) Jenis Resnet-50. IKRA-ITH Informatika : Jurnal Komputer Dan Informatika, 7(3), 113–119. https://doi.org/10.37817/ikraith-informatika.v7i3.3072
Lucas, T. (2023). Understanding the F1 Score in Machine Learning : The Harmonic Mean of Precision and Recall. Picsella. https://www.picsellia.com/post/understanding-the-f1-score-in-machine-learning-the-harmonic-mean-of-precision-and-recall
Nabil. (2025). Risiko Kesehatan di Balik Daging Tidak Segar dan Ciri-cirinya. https://www.ldii.or.id/risiko-kesehatan-di-balik-daging-tidak-segar-dan-ciri-cirinya/
Nihayah, N. (2025). Dinas Pertanian dan Pangan Kota Magelang Temukan Daging Ayam Busuk saat Sidak di Pasar Rejowinangun. Radarjogja. https://radarjogja.jawapos.com/jawa-tengah/655789616/dinas-pertanian-dan-pangan-kota-magelang-temukan-daging-ayam-busuk-saat-sidak-di-pasar-rejowinangun
Ricky Sebastian, I. (2024). Aplikasi Perangkat Bergerak Pengklasifikasi Kesegaran Daging Menggunakan Metode Convolutional Neural Network (CNN) Dengan Arsitektur MobileNetV2 [Sekolah Tinggi Informatika & Komputer Indonesia]. In STIKI Repository. http://repository.stiki.ac.id/2272/
Uddin, M. M., Shah, M. S., Ayman, N., Sworna, K. F., Labiba, F. R., & Rabby, M. S. M. R. (2025). Innovative Deep Learning Solutions for Meat Quality and Food Safety Assurance. 1–6. https://doi.org/10.1109/QPAIN66474.2025.11171636
Winduajie, Y. (2025). Hasil Sidak di Kota Magelang, Disperpa Temukan Daging Busuk di Sejumlah Pasar. Tribunjogja. https://jogja.tribunnews.com/2025/03/20/hasil-sidak-di-kota-magelang-disperpa-temukan-daging-busuk-di-sejumlah-pasar
Xu, J., Zhang, Y., & Miao, D. (2020). Three-way confusion matrix for classification: A measure driven view. Information Sciences, 507, 772–794. https://doi.org/https://doi.org/10.1016/j.ins.2019.06.064
DOI: https://doi.org/10.30998/semnasristek.v10i1.8883
Refbacks
- There are currently no refbacks.
Prosiding SEMNAS RISTEK indexed by:
