SISTEM PREDIKSI KEHALALAN MAKANAN MENGGUNAKAN KECERDASAN BUATAN

Chairunnisa, Charina Mutiara (2025) SISTEM PREDIKSI KEHALALAN MAKANAN MENGGUNAKAN KECERDASAN BUATAN. Diploma thesis, Politeknik Negeri Sriwajaya.

	Text (Cover) COVER.pdf - Published Version Download (2MB)
	Text (Abstrak) ABSTRAK.pdf - Published Version Download (143kB)
	Text (BAB I) BAB I.pdf - Published Version Restricted to Repository staff only Download (230kB) | Request a copy
	Text (BAB II) BAB II.pdf - Published Version Restricted to Repository staff only Download (2MB) | Request a copy
	Text (BAB III) BAB III.pdf - Published Version Restricted to Repository staff only Download (12MB) | Request a copy
	Text (BAB IV) BAB IV.pdf - Published Version Restricted to Repository staff only Download (12MB) | Request a copy
	Text (BAB V) BAB V.pdf - Published Version Restricted to Repository staff only Download (205kB) | Request a copy
	Text (Daftar Pustaka) DAFTAR PUSTAKA.pdf - Published Version Restricted to Repository staff only Download (137kB) | Request a copy
	Text (Lampiran) LAMPIRAN.pdf - Published Version Restricted to Repository staff only Download (15MB) | Request a copy

Abstract

Makanan halal merupakan makanan yang diperbolehkan dalam Islam dan menjadi kebutuhan penting bagi umat Muslim. Meskipun banyak produk makanan yang telah tersertifikasi halal oleh lembaga seperti LPPOM MUI, tantangan tetap muncul ketika konsumen menghadapi produk dari negara non-Muslim yang tidak memiliki sertifikasi atau menggunakan bahasa asing dalam label komposisinya. Penelitian ini bertujuan untuk mengembangkan sistem prediksi kehalalan makanan berbasis kecerdasan buatan yang mampu mendeteksi dan mengklasifikasikan kehalalan produk berdasarkan teks komposisi multibahasa (Indonesia, Inggris, Jepang, Mandarin, dan Arab) serta citra visual daging mentah (sapi, ayam, kuda, dan babi). Sistem ini mengintegrasikan algoritma You Only Look Once (YOLOv8) untuk deteksi label, Pytesseract untuk ekstraksi teks, RapidFuzz untuk pencocokan istilah haram, serta ResNet-50 untuk klasifikasi citra daging. Hasil penelitian menunjukkan bahwa sistem mampu mencapai nilai pelatihan mAP YOLO sebesar 59.19%, akurasi teks OCR tertinggi dengan Character Error Rate (CER) 1.25% pada Bahasa Inggris, serta sistem ini mampu memprediksi status kehalalan 100% pada 4 bahasa dan akurasi prediksi 87.5% pada bahasa Arab. Sementara, akurasi klasifikasi daging sebesar 85% pada model ResNet-50. Dengan performa tersebut, sistem ini menunjukkan potensi sebagai alat bantu identifikasi kehalalan makanan yang efisien dan adaptif, khususnya untuk masyarakat Muslim di lingkungan global.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Halal, Label Komposisi, YOLO, Pytesseract OCR, Multibahasa, Klasifikasi Daging, ResNet
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Electronic Engineering > Undergraduate Theses
Depositing User:	Pustaka Teknik Elektro
Date Deposited:	13 Aug 2025 03:11
Last Modified:	13 Aug 2025 03:11
URI:	http://eprints.polsri.ac.id/id/eprint/18067

Actions (login required)

View Item