OPTIMALISASI METODE CONVOLUTIONAL NEURAL NETWORK(CNN) UNTUK KLASIFIKASI DAGING AYAM BERBASIS AWS
Keywords:
CNN, MobileNetV2, daging ayam, AWS, klasifikasi citraAbstract
Daging ayam merupakan bahan pangan yang mudah mengalami penurunan mutu sehingga diperlukan sistem penilaian kesegaran yang objektif dan akurat. Penelitian ini mengusulkan penerapan metode Convolutional Neural Network (CNN) dengan arsitektur MobileNetV2 untuk melakukan klasifikasi kesegaran daging ayam berbasis citra digital. Proses pelatihan model dilakukan menggunakan layanan komputasi awan Amazon Web Services (AWS) melalui SageMaker dan penyimpanan data pada S3 Bucket. Dataset penelitian terdiri dari 660 gambar daging ayam yang terbagi dalam tiga kategori, yaitu segar, masih segar, dan tidak segar. Model CNN yang telah dilatih kemudian dikonversi ke format TensorFlow Lite agar dapat diintegrasikan ke dalam aplikasi Android dan beroperasi secara offline. Hasil pengujian menunjukkan bahwa model mencapai akurasi pelatihan sebesar 97,62%, akurasi validasi 73,74%, dan akurasi pengujian 96%. Temuan ini membuktikan bahwa pendekatan CNN berbasis AWS efektif dalam melakukan klasifikasi kesegaran daging ayam dengan efisiensi tinggi serta memungkinkan penerapan langsung pada perangkat mobile. Penelitian ini memberikan kontribusi terhadap pengembangan sistem evaluasi kualitas pangan yang adaptif dan berbasis kecerdasan buatan
Downloads
References
N. A. Fauzi and Wijaya, “Faktor-Faktor Yang Mempengaruhi Perilaku Konsumen Dalam Pembelian Daging Ayam Broiler Di Pasar Celancang,” vol. 34, 2021.
C. H. Wibowo, S. Budi, and A. Rachma, “penyuluhan kriteria daging ayam yang sehat dan berkualitas pada kelompok ibu-ibu pkk rt 02 rw 08 kelurahan tlogosari kulon , semarang,” vol. 3, no. 1, pp. 91–98, 2021.
I. J. Liur, “Kualitas Kimia dan Mikrobiologis Daging Ayam Broiler Pada Pasar Tradisional Kota Ambon,” vol. 3, no. 2, pp. 59–66, 2020.
E. Suswati, S. Supangat, A. W. Lutfadaturroifa, and D. R. Pratama, “Deteksi Bakteri Patogen pada Daging Ayam Broiler sebagai Skrining Foodborne Diseases di Kabupaten Jember Detection of Pathogen Bacteria in Broiler Chicken Meat as,” vol. 42, no. 3, 2024, doi: 10.22146/jsv.86084.
A. Rizaldi, E. Zelpina, and K. Oktarina, “Cemaran Coliform Dan Total Plate Count Pada Daging Ayam Broiler: Studi Kasus Di Pasar Tradisional Kabupaten Barito Timur,” J. Sains Dan Teknol. Peternak., vol. 4, no. 1, pp. 28–33, 2022, doi: 10.31605/jstp.v4i1.2085.
A. Martono, T. R. C. Widya, and I. Permatasari, “Pengembangan Model Penilaian Kualitas Produk Dengan Pendekatan Multikriteria Berbasis Website,” Cices, vol. 9, no. 2, pp. 237–246, 2023, doi: 10.33050/sensi.v9i2.2917.
M. Muthmainnah, M. Khaira, R. P. Fhonna, and V. Ilhadi, “Penerapan Model Decision Dalam Dalam Penilaian Penilaian Kinerja Dengan Model Saw,” Sisfo J. Ilm. Sist. Inf., vol. 6, no. 1, p. 37, 2022, doi: 10.29103/sisfo.v6i1.7963.
A. Ikram et al., “Applications of artificial intelligence ( AI ) in managing food quality and ensuring global food security,” CyTA - J. Food, vol. 22, no. 1, 2024, doi: 10.1080/19476337.2024.2393287.
R. Z. Ramadhana, “Analisis Dampak Penerapan Teknologi AI pada Pengambilan Keputusan Strategis dalam Sistem Informasi Manajemen,” vol. 2, no. 1, pp. 161–168, 2024.
S. Sacadibrata, T. Rahman, S. Anggai, and U. Pamulang, “Perbandingan Convolutional Neural Network dan Vision Transformer Untuk Klasifikasi Penyakit Daun Pada Tomat,” vol. 3, no. 1, pp. 27–40, 2025.
L. Maramis, I. Nurtanio, and H. Zainuddin, “Classification of Dairy and Non-Dairy Cattle Using the Convolutional Neural Network Algorithm Klasifikasi Sapi Perah dan Non-Perah Menggunakan Algoritma Convolutional Neural Network,” vol. 5, no. April, pp. 664–674, 2025.
M. Mukhiddinov, A. Muminov, and J. Cho, “Improved Classification Approach for Fruits and Vegetables Freshness Based on Deep Learning,” Sensors, vol. 22, no. 21, p. 8192, 2022, doi: 10.3390/s22218192.
J. Gu et al., “Recent Advances in Convolutional Neural Networks,” Pattern Recognit., vol. 77, pp. 354–377, 2018, doi: 10.1016/j.patcog.2017.10.013.
A. Krizhevsky, I. Sutskever, and G. E. Hinton, “ImageNet Classification With Deep Convolutional Neural Networks,” Commun. Acm, vol. 60, no. 6, pp. 84–90, 2017, doi: 10.1145/3065386.
J. Lubura et al., “Food Recognition and Food Waste Estimation Using Convolutional Neural Network,” Electronics, vol. 11, no. 22, p. 3746, 2022, doi: 10.3390/electronics11223746.
I. Kandel, M. Castelli, and A. Popovič, “Musculoskeletal Images Classification for Detection of Fractures Using Transfer Learning,” J. Imaging, vol. 6, no. 11, p. 127, 2020, doi: 10.3390/jimaging6110127.
F. A. A. Harahap, A. N. Nafisa, E. N. D. B. Purba, and N. A. Putri, “Implementasi Algoritma Convolutional Neural Network Arsitektur Model Mobilenetv2 Dalam Klasifikasi Penyakit Tumor Otak Glioma, Pituitary Dan Meningioma,” J. Teknol. Inf. Komput. Dan Apl. (Jtika ), vol. 5, no. 1, pp. 53–61, 2023, doi: 10.29303/jtika.v5i1.234.
I. J. Thira, D. Riana, A. N. Ilhami, B. R. S. Dwinanda, and H. Choerunisya, “Pengenalan Alfabet Sistem Isyarat Bahasa Indonesia (SIBI) Menggunakan Convolutional Neural Network,” J. Algoritm., vol. 20, no. 2, pp. 421–432, 2023, doi: 10.33364/algoritma/v.20-2.1480.
A. C. Kurniawan and F. Amalia, “Implementasi Teknologi Cloud Computing untuk E-Learning berbasis Website dengan Framework Laravel ( Studi Kasus : MAN 9 Jombang ),” vol. 4, no. 11, pp. 3833–3844, 2020.
W. Zhang et al., “Comparative Analysis of XGB, CNN, and ResNet Models for Predicting Moisture Content in Porphyra Yezoensis Using Near-Infrared Spectroscopy,” Foods, vol. 13, no. 19, p. 3023, 2024, doi: 10.3390/foods13193023.
N. Schneider, K. Sohrabi, H. Schneider, K. Zimmer, P. Fischer, and J. d. Laffolie, “Machine Learning Classification of Inflammatory Bowel Disease in Children Based on a Large Real-World Pediatric Cohort CEDATA-GPGE® Registry,” Front. Med., vol. 8, 2021, doi: 10.3389/fmed.2021.666190.
A. S. Rusdianto, A. E. Wiyono, and N. Tauvika, “Penentuan Tingkat Kesegaran Daging Ayam Menggunakan Label Pintar Berbasis Ekstrak Antosianin Ubi Jalar Ungu,” J. Agroindustri, vol. 11, no. 1, pp. 11–22, 2021, doi: 10.31186/j.agroindustri.11.1.11-22.
N. Tanwar and A. V Turukmane, “Modified MobileNetV2 transfer learning model to detect road potholes,” 2025, doi: 10.7717/peerj-cs.2519.
M. R. Syahputra, R. Muharar, F. Arnia, J. Teknik, F. Teknik, and U. S. Kuala, “Adaptasi Model CNN Terlatih pada Aplikasi Bergerak untuk Klasifikasi Citra Termal Payudara,” vol. 18, no. 3, pp. 185–192, 2022, doi: 10.17529/jre.v18i3.8754.
F. Nuraisyah, “Penyelidikan KLB Keracunan Makanan Di Desa Banjaroyo Kabupaten Kulon Progo,” Media Kesehat. Masy. Indones., vol. 15, no. 4, p. 418, 2020, doi: 10.30597/mkmi.v15i4.8428.
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Samsudin, Resky Herlianto, Dwi Yuli Prasetyo (Author)
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
