PENERAPAN DEEP LEARNING MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN) UNTUK KLASIFIKASI DAGING AYAM MENGGUNAKAN ARSITEKTUR RESNET-50

Daging ayam adalah salah satu konsumsi paling tinggi bagi manusia dalam
kehidupan sehari-hari karena mengandung banyak gizi dan sumber protein yang tinggi.
Pada umumnya, jenis ayam yang sering dikonsumsi masyarakat adalah daging ayam
kampung dan daging ayam broiler yang dimana mulai dari cara perawatan dan
pemeliharaan ayam sangat berbeda sehingga menentukan kualitas daging ayam tersebut.
Perawatan ayam broiler yang dilakukan oleh peternak ayam kerap mengabaikan
prosedur kesehatan ayam sehingga banyak memunculkan potensi bahaya mengkonsumsi
daging ayam broiler seperti terkena infeksi bakteri Salmonella dan Campylobacter
karena dalam masa perawatan dan pertumbuhan ayam sering disuntik antibiotik.
Masyarakat perlu tahu dengan permasalahan ini dan masalah ini menjadi sangat serius
jika dihubungkan dengan adanya beberapa kandungan dalam ayam broiler yang tidak
boleh dikonsumsi oleh orang tertentu seperti logam berat. Secara kasat mata, tekstur
daging ayam kampung dan daging ayam broiler sangatlah mirip maka dari itu dibutuhkan
sebuah teknologi untuk membedakan kedua jenis daging tersebut berdasarkan tekstur
yang dianalisis. Penggunaan deep learning dalam perkembangan teknologi untuk
mengolah sebuah citra sangat efektif, maka dari itu penelitian ini menggunakan metode
Deep Learning yaitu Convolutional Neural Network (CNN) menggunakan arsitektur
ResNet-50 sebagai klasifikasi daging dengan jumlah data sebanyak 1.200 citra dengan 2
kelas yaitu daging ayam kampung dan daging ayam broiler dengan setiap kelas memiliki
ukuran gambar 224 224 pixel dan pembagian data dengan perbandingan da
v
ta ayam kampung 80% data latih : 20% data uji dan ayam broiler dengan
perbandingan 80% data latih : 20% data latih. Setelah penelitian dilakukan, maka hasil
perolehan akurasi tertinggi dari penelitian ini adalah pengujian ke-10 dengan 55%
accuracy, 55% precision, 55% recall, dan 55% f1 score dengan menggunakan parameter
optimizer SGD, learning rate, batch size, dan momentum. Dari penelitian ini dapat
disimpulkan bahwa penggunaan arsitektur ResNet-50 sangat baik dalam
pengklasifikasian citra dengan tingkat akurasi yang sangat tinggi.
Kata Kunci: Daging Ayam, ResNet-50, Convolutional Neural Network (CNN),
Optimizer SGD, Campylobacter