Klasifikasi Citra Jenis Daging Menggunakan Ensemble Hard Voting Convolutional Neural Network (CNN)

Kemajuan teknologi kecerdasan buatan telah mendorong perkembangan Deep Learning, khususnya dalam bidang klasifikasi citra. Dalam klasifikasi jenis daging, teknologi ini berpotensi membantu mengatasi praktik manipulasi daging oleh oknum yang tidak bertanggung jawab, sehingga meningkatkan keamanan pangan dan kepercayaan konsumen. Tujuan penelitian ini adalah untuk membedakan jenis daging sapi, daging kambing, dan daging babi menggunakan Ensemble Hard Voting. Data yang digunakan merupakan data primer yang diambil langsung dari beberapa pasar di daerah Surabaya, terdiri atas tiga kelas, yaitu daging sapi, daging kambing, dan daging babi, masing-masing sebanyak 216 gambar, dengan total 648 gambar. Penelitian ini menggunakan teknik augmentasi data dan menerapkan model pra-latih ResNet-50V2, MobileNetV2, dan InceptionV3 sebagai feature extractor tanpa fine-tuning untuk meningkatkan akurasi klasifikasi. Masing-masing model dilatih menggunakan hyperparameter yang ditetapkan, seperti learning rate awal sebesar 0,001, batch size 32, optimizer Adam, dan jumlah epoch sebanyak 50. Setelah pelatihan, prediksi dari ketiga model digabungkan menggunakan metode hard voting. Evaluasi dilakukan menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa pendekatan ensemble hard voting mampu meningkatkan performa klasifikasi hingga 100% pada data uji.