Identifikasi Daging Sapi, Daging Kerbau, Daging Kambing dan Daging Babi Hutan Mengunakan Digital Microscope Pre-Trained (Rest-Net 50 & Alexnet) Convolution Neural Network.

Daging merupakan makanan yang kaya akan protein hewani. Kebutuhan daging di Indonesia sangat banyak dan terus meningkat setiap tahunnya. Daging terdiri dari protein, asam amino, air mineral, lemak, asam lemak komponen bioaktif, serta sedikit karbohidrat dan vitamin lainya. Pencampuran daging di pasaran biasanya melibatkan jenis daging dari dua hewan yakni antara daging halal yang mahal dengan daging murah non halal. Pencampuran daging dilakukan antara daging sapi dan babi hutan sering dilakukan oleh penjual daging hanya untuk mendapatkan keuntungan tambahan karena daging babi hutan lebih murah dari pada daging sapi. Penipuan daging pada dasarnya dilakukan oleh produsen atau penjual daging yang tidak jujur untuk meningkatkan keuntungan penjualan. Convolutional neural network atau di kenal sebutan convNets merupakan metode untuk memproses suatu data dalam bentuk beberapa array, seperti contohnya yaitu gambar berwarna yang terdiri, dari tiga array 2D yang menggandung intensitas piksel dalam tiga warna. Tujaun penelitian ini digunakan untuk mengidentifikasi daging sapi, kerbau babi hutan dan daging kambing dengan metode Convolutional Neural Network. Variasi sampel yang digunakan 500 data pengujian (validasi-testing) dan 50 data pelatihan (training) dari masing-masing jenis sampel daging yang dibagi dua set testing-validasi dan training. Pengambilan sampel menggunakan Digital Microscope dengan ukuran zoom yang sesuai. Arsitektur modifikasi menggunakan convolutional layer, pooling layer dan full layer yang di kombinasikan Pengamatan ini bertujuan untuk membedakan warna dan tektur dari daging sapi, daging kerbau, daging babi hutan dan daging kambing. Penelitian ini menggunakan 2 pretrained arsitektur yakni Alexnet dan ResNet-50 dengan epoch 30 mini batch size 20 variasi learning rate sebesar 0.0001 dan 0.0005 menggunakan optimizer Adam, RmsProp dan Sgdm untuk mrngklasifikasikan daging kerbau, daging sapi, daging kambing dan daging babi hutan mrndapatkan pemodelan 100%. Resnet50 pada optimizer rmsprop 0.0001 mendapatkan akurasi data uji sebesar 55.22% dan pada optimizer Sgdm learning rate mendapatkan hasil uji sebesar 51.37%. akan tetapi dalam data akurasi uji hasil terbaik di dapat disimpulkan dalam penelitian ini menggunakan digital microscope Alexnet pada optimizer Rmsprop learning rate 0.0001 memiliki uji sebesar 52,6% terbaik karena memiliki nilai terbesar. Sedangkan pada Resnet50 nilai terbesar learning rate 0.0001 yakni optimizer didapatkan Rmsprop sebesar 55.22% dan learning 0.0005 tertinggi pada Optimizer Sgdm sebesar 51.37 %