Melola Discovery

← Melola Discovery

Jurnal Tanpa peringkat SINTA

Penerapan Deep Learning Untuk Klasifikasi Kesegaran Daging Sapi Berbasis Mobile Apps

Edu Komputika Journal · Vol. 10 No. 1 (2023) · hlm. 10–16

DOI
10.15294/edukomputika.v10i1.68478
ISSN
2599-297X, 2252-6811
Terbit
2023-07-31
Penerbit
Jurusan Teknik Elektro Universitas Negeri Semarang
Bahasa
eng

Abstrak

Tingginya konsumsi daging sapi di Indonesia membuat kebutuhan daging sapi di Indonesia selalu naik secara signifikan setiap tahun. Hal ini berbanding terbalik dengan produksi daging sapi di Indonesia yang menyebabkan impor dan harga daging sapi terus melonjak naik. Keadaan ini membuat pedagang daging sapi melakukan kecurangan mencampur daging sapi segar dengan tidak segar. Untuk mengatasi masalah tersebut, dibutuhkan suatu sistem untuk mengklasifikasi dan mendeteksi kesegaran daging sapi sesuai karakteristik yang dimilikinya. Salah satu metode deep learning yang banyak digunakan saat ini yaitu Convolutional Neural Network (CNN). Pada CNN, citra diolah menjadi sebuah model yang mampu mengklasifikasikan kelas pada kesegaran daging sapi. Model klasifikasi terbaik pada penelitian ini yaitu akurasi sebesar 100% pada data latih dan data uji, nilai loss sebesar 0,0233 dengan learning rate, epoch dan optimizer ADAM untuk meningkatkan tingkat akurasi pada model. Implementasi model pada mobile apps berbasis Android yang dapat digunakan untuk mendeteksi tingkat kesegaran daging sapi.

Jaringan kolaborasi para penulis

4 penulis · 6 tautan kepenulisan bersama

Arahkan kursor atau ketuk sebuah nama untuk menyorot rekan penulisnya. Klik dua kali untuk membuka halaman penulis.

  • Universitas Pembangunan Nasional Veteran Jakarta
  • Afiliasi tidak diketahui
  • Organisasi berbeda
  • Organisasi sama
  • Afiliasi tidak diketahui
  • Garis lebih tebal = lebih banyak artikel bersama · lingkaran lebih besar = lebih banyak artikel
Tampilkan sebagai tabel
Rekan penulisOrganisasiArtikel bersama

Afiliasi berasal dari OpenAlex; metadata OAI-PMH jurnal tidak memuatnya. Penulis tanpa ID OpenAlex dicocokkan berdasarkan nama, sehingga dua orang bisa tergabung atau satu orang bisa terpisah.

Sumber metadata: OAI-PMH (metadata jurnal) https://journal.unnes.ac.id/sju/index.php/edukom/oai, pertama di-harvest 5 Nov 2026, terakhir terlihat 8 Nov 2026.
Metadata asli (oai_dc)
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="en-US">Penerapan Deep Learning Untuk Klasifikasi Kesegaran Daging Sapi Berbasis Mobile Apps</dc:title>
	<dc:creator>Ekamila, Teris</dc:creator>
	<dc:creator>Rahayu, Fajar</dc:creator>
	<dc:creator>Zuchriadi, Achmad</dc:creator>
	<dc:creator>Octa Indarso, Andhika</dc:creator>
	<dc:description xml:lang="en-US">Tingginya konsumsi daging sapi di Indonesia membuat kebutuhan daging sapi di Indonesia selalu naik secara signifikan setiap tahun. Hal ini berbanding terbalik dengan produksi daging sapi di Indonesia yang menyebabkan impor dan harga daging sapi terus melonjak naik. Keadaan ini membuat pedagang daging sapi melakukan kecurangan mencampur daging sapi segar dengan tidak segar. Untuk mengatasi masalah tersebut, dibutuhkan suatu sistem untuk mengklasifikasi dan&amp;nbsp; mendeteksi kesegaran daging sapi sesuai karakteristik yang dimilikinya. Salah satu metode deep learning yang banyak digunakan saat ini yaitu Convolutional Neural Network (CNN). Pada CNN, citra diolah menjadi sebuah model yang mampu mengklasifikasikan kelas pada kesegaran daging sapi. Model klasifikasi terbaik pada penelitian ini yaitu akurasi&amp;nbsp; sebesar 100% pada data latih dan data uji, nilai loss sebesar 0,0233 dengan learning rate, epoch dan optimizer ADAM untuk meningkatkan tingkat akurasi pada model. Implementasi model pada mobile apps berbasis Android yang dapat digunakan untuk mendeteksi tingkat kesegaran daging sapi.</dc:description>
	<dc:publisher xml:lang="en-US">Jurusan Teknik Elektro Universitas Negeri Semarang</dc:publisher>
	<dc:date>2023-07-31</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://journal.unnes.ac.id/sju/edukom/article/view/68478</dc:identifier>
	<dc:identifier>10.15294/edukomputika.v10i1.68478</dc:identifier>
	<dc:source xml:lang="en-US">Edu Komputika Journal; Vol 10 No 1 (2023): Edu Komputika Journal; 10 - 16</dc:source>
	<dc:source>2599-297X</dc:source>
	<dc:source>2252-6811</dc:source>
	<dc:source>10.15294/edukomputika.v10i1</dc:source>
	<dc:language>eng</dc:language>
	<dc:relation>https://journal.unnes.ac.id/sju/edukom/article/view/68478/25022</dc:relation>
	<dc:rights xml:lang="en-US">Copyright (c) 2023 Edu Komputika Journal</dc:rights>
</oai_dc:dc>