Substraksi RGB untuk Identifikasi Jenis Daging Konsumsi Berbasis Pengolahan Citra

Abstract

Intisari — Kesenjangan nilai ekonomis yang cukup tinggi yang terjadi pada komoditas beberapa jenis daging konsumsi menjadi penyebab utama terjadinya kecurangan pada proses penjualannya. Secara kasat mata, beberapa jenis daging akan terlihat sama sehingga sulit untuk diidentifikasi. Dengan menggunakan pengolahan citra, data matriks dari beberapa jenis daging konsumsi akan menampilkan kecenderungan tertentu sehingga dapat dijadikan ciri identifikasi. Sampel pada penelitian ini adalah daging Kambing, daging Anjing, daging Babi, dan daging Celeng. Metode Substraksi RGB merupakan turunan dari matriks citra RGB. Dengan menggunakan metode ini, citra masing-masing jenis daging konsumsi dapat diidentifikasi. Hasil penelitian menunjukkan bahwa daging Kambing dan daging Celeng dapat diidentifikasi menggunakan substraksi GB, sedangkan daging Anjing dan daging Babi dapat diidentifikasi menggunakan substraksi GB yang dilanjutkan dengan substraksi RB.Kata kunci — kecurangan penjualan daging, identifikasi daging, pengolahan citra, substraksi RGBAbstract — High gap of the economic values that occurs in several types of meat commodities is a major cause of fraud of the meat sales. In plain view, several types of meat will be look similar so these were difficult to identify. By using image processing, matrix data from several types of meat will display certain trends so that it can be used as an identification feature. Samples in this study were goat meat, dog meat, pork meat, and boar meat. The RGB Substraction Method is a derivative of an RGB image matrix. Using this method, images of each type of meat can be identified. The results showed that goat meat and boar meat could be identified using GB substraction, while dog meat and pork meat could be identified using GB substraction followed by RB subtraction.Keywords — meat sales fraud, meat identification,image processing, RGB substraction

Meat Image Classification Using Deep Learning With Resnet152v2 Architecture

“…The resize process is used to reduce or enlarge the size of an image according to the desired size, it is intended that during the machine learning process it occurs faster and reduces memory usage so that image processing becomes more optimal (Asmara et al, 2017) (Yudamson et al, 2020).…”