RANCANG BANGUN ALAT IDENTIFIKASI CITRA DAGING SAPI DAN DAGING BABI MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK BERBASIS ANDROID

FAUZI, NADIYAH SALSABILA (2024) RANCANG BANGUN ALAT IDENTIFIKASI CITRA DAGING SAPI DAN DAGING BABI MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK BERBASIS ANDROID. Diploma thesis, Politeknik Negeri Sriwijaya.

	Text 1. Cover - Daftar Lampiran.pdf Download (1MB)
	Text (BAB I PENDAHULUAN) 2. Bab I.pdf Restricted to Repository staff only Download (226kB) | Request a copy
	Text (BAB II TINJAUAN PUSTAKA) 3. Bab II.pdf Restricted to Repository staff only Download (873kB) | Request a copy
	Text (BAB III METODELOGI PENELITIAN) 4. Bab III.pdf Restricted to Repository staff only Download (478kB) | Request a copy
	Text (BAB IV HASIL DAN PEMBAHASAN) 5. Bab IV.pdf Restricted to Repository staff only Download (2MB) | Request a copy
	Text (BAB V PENUTUP) 6. Bab V.pdf Restricted to Repository staff only Download (153kB) | Request a copy
	Text (DAFTAR PUSTAKA) 7. Daftar Pustaka.pdf Restricted to Repository staff only Download (189kB) | Request a copy
	Text 8. Lampiran.pdf Restricted to Repository staff only Download (5MB) | Request a copy

Abstract

Di era modern, jaminan kehalalan produk daging menjadi kebutuhan fundamental bagi masyarakat Muslim Indonesia, seiring dengan meningkatnya kesadaran dan kepekaan terhadap konsumsi produk halal. Hal ini mendorong pengembangan solusi inovatif untuk memastikan keaslian daging sapi dan membedakannya dari daging babi. Penelitian ini menghadirkan alat identifikasi citra daging berbasis Android yang mengandalkan algoritma Convolutional Neural Network (CNN) untuk memproses dan menganalisis citra. Penelitian meliputi perancangan perangkat keras, model deep learning dengan algoritma CNN, dan aplikasi Android untuk integrasi hasil deteksi secara real-time. Alat ini dilengkapi dengan layar LCD dan speaker untuk menampilkan hasil identifikasi. Hasil penelitian menunjukkan akurasi model CNN mencapai 99% dalam membedakan daging sapi dan babi pada dataset pengujian. Dalam pengujian Alat secara real-time menggunakan sampel daging sapi dan babi segar, sistem mencapai akurasi 92%, menunjukkan kinerja yang baik dalam kondisi praktis. Sistem ini menyediakan solusi yang andal dan praktis bagi konsumen untuk memverifikasi jenis daging, sekaligus berkontribusi pada upaya menjamin kehalalan produk pangan di masyarakat.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Identifikasi citra, Convolutional Neural Network, Deep Learning, Daging sapi, Daging babi, Android, Kehalalan makanan, Akurasi mode
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Electrical Engineering > Undergraduate Theses
Depositing User:	Mr Bambang Anthony
Date Deposited:	13 Aug 2026 01:22
Last Modified:	13 Aug 2026 01:22
URI:	http://eprints.polsri.ac.id/id/eprint/22326

Actions (login required)

View Item