Klasifikasi Kualitas Daging Ayam Menggunakan Citra Digital Dengan Ekstraksi Fitur GLCM Dan Metode CNN

Abstract

Kesegaran daging ayam merupakan indikator penting dalam menentukan mutu dan keamanan produk pangan hewani. Namun, proses identifikasi kesegaran masih banyak dilakukan secara manual, sehingga rentan terhadap subjektivitas dan kesalahan manusia. Salah satu penyebab utama rendahnya tingkat kesegaran daging ayam di pasaran adalah kurangnya perhatian dalam proses pemilihan daging yang layak konsumsi. Daging ayam yang tidak segar dapat berdampak buruk pada kesehatan konsumen serta menurunkan nilai jual dan kepercayaan konsumen terhadap produk unggas. Tujuan dari penelitian ini adalah untuk mengembangkan sistem klasifikasi kualitas daging ayam berbasis citra digital dengan memanfaatkan metode Convolutional Neural Network (CNN), di mana fitur tekstur citra diperoleh melalui proses ekstraksi menggunakan algoritma Gray Level Co-occurrence Matrix (GLCM). Citra daging ayam diproses untuk mendapatkan informasi visual berupa tekstur dan warna sebagai dasar dalam penentuan klasifikasi. Dataset yang digunakan terdiri dari 1500 citra daging ayam yang diperoleh melalui penelitian langsung di Desa Kebaman, Kecamatan Srono, Kabupaten Banyuwangi, dengan distribusi masing-masing 500 gambar untuk kelas segar, kurang segar, dan busuk. Fitur GLCM yang digunakan meliputi contrast, homogeneity, energy, correlation, dan entropy. Seluruh fitur ini dikombinasikan dengan output CNN untuk meningkatkan akurasi klasifikasi. Hasil pelatihan menunjukkan bahwa pada epoch le-10, model menghasilkan akurasi sebesar 99,5% pada data pelatihan dan 99,8% pada data pengujian, dengan nilai loss sebesar 0,2 untuk keduanya. Hasil ini membuktikan bahwa metode gabungan CNN dan GLCM efektif dalam mengidentifikasi tingkat kesegaran daging ayam secara akurat. Sistem ini berpotensi untuk diterapkan dalam dunia industri dan perdagangan sebagai alat abntu dalam menilai kualitas daging ayam secara cepat dan objektif.