Implementasi Faster R-CNN dalam Klasifikasi Jenis Daging Ayam Beserta Tingkat Kesegarannya Berbasis Android

Abstract

Chicken is an animal that belongs to the poultry group, which is a type of bird that is used for meat and eggs. Of the several types of chickens, there are two that have similarities in posture and meat, namely petelur jantan (pejantanstuds) and kampung chickens. It is difficult to determine the type of chicken meat and the level of freshness, because these two types of chicken meat look very similar if they are distinguished only by using eye. Therefore, we need an application that is able to help the public to be able to distinguish the types of chicken meat and the level of freshness through the process of taking images or pictures. This study uses the Faster Region Convolution Neural Network (Faster R-CNN) method. In the processing, the image of chicken meat is used as input. Before the image is classified, the image will go through a pre-processing stage starting from labeling, resizing, then the last is rescalling, then feature extraction, namely Canny Edge Detection and the last stage the image is classified using Faster Region Convolution Neural Network. In this study, the data used were 672 images of whole chicken meat. Where 552 images are used for training data and another 120 images for test data. Based on the test results in this study, the system can classify the type of chicken meat and its freshness level with an accuracy of 91%.

Ayam adalah hewan yang termasuk kedalam kelompok unggas yaitu hewan ternak sejenis burung yang dimanfaatkan untuk diambil daging dan telurnya. Dari beberapa jenis ayam, terdapat dua yang memiliki kemiripan pada postur dan dagingnya, yaitu ayam petelur jantan (ayam pejantan) dan ayam kampung. Sulit untuk menentukan jenis daging ayam dan tingkat kesegarannya, karena kedua jenis daging ayam ini terlihat sangat mirip jika dibedakan hanya secara kasat mata. Oleh karenanya, dibutuhkan sebuah aplikasi yang mampu membantu masyarakat untuk dapat membedakan jenis daging ayam dan tingkat kesegarannya melalui proses pengambilan citra atau gambar. Penelitian ini menggunakan metode Faster Region Convolution Neural Network (Faster R-CNN). Pada proses pengolahan, citra daging ayam digunakan sebagai input. Sebelum citra diklasifikasi, citra akan melalui tahap pre-processing dimulai dari labeling, resizing, dan terakhir adalah rescalling, kemudian fitur ekstraksi yaitu Canny Edge Detection dan tahap terakhir citra diklasifikasi menggunakan Faster Region Convolution Neural Network. Pada penelitian ini data yang digunakan sebanyak 672 citra daging ayam utuh. Dimana 552 citra digunakan untuk data latih dan 120 citra lainnya untuk data uji. Berdasarkan hasil pengujian pada penelitian ini sistem dapat mengklasifikasi jenis daging ayam dan tingkat kesegarannya dengan akurasi sebesar 91%.