Nur Hasanah Putri Sari Primary Author mixed material bibliography Banda Aceh Fakultas MIPA (S1) 2026 id Indonesia

Skripsi

Otentikasi telur ayam organik merupakan upaya krusial dalam menjamin keaslian produk serta mendukung transparansi rantai pasok pangan. Penelitian ini bertujuan untuk mengevaluasi potensi pemanfaatan citra optik cangkang telur sebagai data visual dalam proses otentikasi telur ayam organik menggunakan model Convolutional Neural Network (CNN). Citra cangkang telur diperoleh dari tiga kelompok ayam berdasarkan jenis pakan yang diberikan, yaitu ayam dengan pakan organik, nonorganik, dan campuran (organik dan nonorganik). Arsitektur CNN yang digunakan dalam penelitian ini adalah MobileNetV2, yang memiliki kemampuan mengekstraksi fitur visual secara efisien dengan beban komputasi yang ringan. Dataset penelitian terdiri atas tiga kelas utama, yaitu telur organik, nonorganik, dan campuran. Evaluasi performa klasifikasi dilakukan menggunakan confusion matrix dan classification report dengan metrik akurasi, precision, recall, serta F1-score. Berdasarkan hasil pengujian, model MobileNetV2 mencapai akurasi sebesar 88%, dengan nilai rata-rata precision, recall, dan F1-score masing-masing sebesar 89%, 88%, dan 88%. Hasil ini menunjukkan bahwa citra optik mampu merepresentasikan karakteristik telur ayam organik secara efektif. Variasi tekstur dan warna pada permukaan cangkang telur dapat dikenali dengan baik oleh model, sehingga fitur optik berpotensi dijadikan representasi visual yang relevan dalam proses otentikasi. Dengan demikian, pendekatan berbasis CNN dengan arsitektur MobileNetV2 menunjukkan potensi yang menjanjikan sebagai metode otentikasi visual untuk telur ayam organik. Kata Kunci: Otentikasi Telur Ayam Organik, Convolutional Neural Network (CNN), MobileNetV2, Citra optik Cangkang telur, Klasifikasi citra OPTICAL DATA PROCESSING - COMPUTER SCIENCE 006.42 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 1710179 2026-01-23 13:48:26 2026-01-23 15:47:13 machine generated