Pengimplementasian Counterpropagation Neural Network dalam Pengklasifikasian Citra Daging Sapi dan Daging Babi

Abstract

The current beef prices are constantly rising due to increasing consumption needs, this situation can affect the income earned by traders. Hence, some traders are intending to gain profit by committing illicit acts, such as mixing pork with beef. This action is certainly detrimental to the buyer whereas the quality and the price of pork is different from beef, as well as the texture and color of pork looks identical to beef therefore it is used to create the mixture of meat. To resolve the issue of the difference between both types of meat, this study utilizes digital image processing by using the Counterpropagation Neural Network in classifying macroscopic images of beef and pork. The method used in this study is able to handle complex classifications with adequately high accuracy, concise training time, and a simple level of model complexity. Images used in this study will go through 3 stages, namely the preprocessing, feature extraction, and classification stage. Image processing techniques used in the preprocessing stage include Contrast Enhancement and Resizing. The feature extraction process used is the extraction of HSV color features (Hue, Saturation, Value). After the testing process in this study, it was concluded that the proposed method has the capability to classify the image of beef and pork well and the accuracy obtained is 98.8%.

Harga daging sapi saat ini yang terus-menerus meningkat disebabkan oleh bertambahnya kebutuhan konsumen, hal ini dapat mempengaruhi penghasilan yang didapatkan para pedagang. Oleh karena itu, ada beberapa pedagang yang ingin meraup keuntungan dengan melakukan kecurangan seperti mencampurkan daging babi dengan daging sapi. Tindakan ini tentunya merugikan pembeli dimana kualitas serta harga dari daging babi berbeda dari daging sapi, tekstur dan warna yang dimiliki daging babi terlihat mirip dengan daging sapi sehingga digunakan untuk membuat campuran daging. Untuk mengatasi isu perbedaan jenis kedua daging tersebut, penelitian ini memanfaatkan pengolahan citra digital dengan menggunakan metode Counterpropagation Neural Network untuk mengklasifikasi citra makroskopik daging sapi dan daging babi. Metode yang digunakan dalam penelitian ini mampu menangani klasifikasi yang kompleks dengan akurasi yang cukup tinggi, waktu pelatihan yang singkat dan tingkat kompleksitas model yang simpel. Citra yang digunakan dalam penelitian ini akan melalui 3 tahapan proses, yaitu tahap preprocessing, tahap ekstraksi fitur dan tahap pengklasifikasian. Teknik pengolahan citra yang digunakan dalam tahap preprocessing meliputi Contrast Enhancement dan Resizing, proses ekstraksi fitur yang digunakan merupakan ektraksi fitur warna HSV (Hue, Saturation, Value). Setelah pengujian pada penelitian ini dilakukan, didapatkan kesimpulan bahwa metode yang diajukan memiliki kemampuan dalam mengklasifikasi citra daging sapi dan daging babi dengan baik dan akurasi yang diperoleh yaitu sebesar 98,8%.