Herlianto, Rizky (2025) Penerapan Metode Convolutional Neural Networks (CNN) untuk Klasifikasi Daging Ayam Berbasis AWS. Diploma thesis, Universitas Islam Indragiri.
![[thumbnail of 403211010028_Rizky Herlianto_01_AWAL.pdf]](http://repository.unisi.ac.id/style/images/fileicons/text.png "403211010028_Rizky Herlianto_01_AWAL.pdf") |
Text
403211010028_Rizky Herlianto_01_AWAL.pdf Download (1MB) |
|
Text
403211010028_Rizky Herlianto_02_BAB1.pdf Download (434kB) |
|
Text
403211010028_Rizky Herlianto_03_BAB2.pdf Download (547kB) |
|
Text
403211010028_Rizky Herlianto_04_BAB3.pdf Download (688kB) |
|
Text
403211010028_Rizky Herlianto_05_BAB4.pdf Restricted to Repository staff only Download (1MB) |
|
Text
403211010028_Rizky Herlianto_06_BAB5.pdf Download (413kB) |
|
Text
403211010028_Rizky Herlianto_07_AKHIR.pdf Download (1MB) |
|
Text
Penerapan Metode Convolutional Neural Networks untuk Klasifikasi daging ayam Berbasis AWS (5).docx.pdf Restricted to Repository staff only Download (13MB) |
Abstract
Daging ayam merupakan bahan pangan yang mudah rusak sehingga memerlukan sistem penilaian kesegaran yang akurat. Metode manual seperti inspeksi visual bersifat subjektif dan kurang konsisten. Penelitian ini mengusulkan model klasifikasi citra daging ayam berbasis Convolutional Neural Network (CNN) dengan arsitektur MobileNetV2. Berbeda dari penelitian terdahulu, penelitian ini memanfaatkan layanan cloud Amazon Web Services (AWS) untuk pelatihan model, yang belum pernah diterapkan dalam klasifikasi bahan pangan. Dataset terdiri dari 660 gambar yang diklasifikasikan ke dalam tiga kelas: segar, masih segar, dan tidak segar. Model dikonversi ke format TensorFlow Lite dan diintegrasikan ke aplikasi Android secara offline. Hasil pelatihan menunjukkan akurasi 97,62% dan akurasi validasi 73,74%. Uji klasifikasi mencapai akurasi 96%, dengan kesalahan terbanyak pada kelas tidak segar. Hasil menunjukkan bahwa pendekatan ini efektif untuk implementasi ringan dalam evaluasi kesegaran daging ayam.
| Item Type: | Thesis (Diploma) |
|---|---|
| Uncontrolled Keywords: | CNN, MobileNetV2, daging ayam, AWS, klasifikasi citra |
| Subjects: | T Technology > T Technology (General) |
| Divisions: | Fakultas Teknik dan Ilmu Komputer > Program Studi Sistem Informasi |
| Depositing User: | Nilam Sari |
| Date Deposited: | 20 Nov 2025 02:23 |
| Last Modified: | 20 Nov 2025 02:23 |
| URI: | http://repository.unisi.ac.id/id/eprint/971 |
Actions (login required)
 |
View Item |