Identifikasi Spesies Kulit Hewan di LPPOM MUI Menggunakan Mel-Frequency Cepstral Coefficient dan Backpropagation Neural Network

Abstract

Penelitian ini melakukan pengenalan spesies untuk mengidentifikasi kulit hewan menggunakan backpropagation neural network sebagai metode pengenalan pola dan Mel-Frequency Cepstral Coefficient (MFCC) sebagai metode ekstraksi cirinya. Parameter yang digunakan dalam pengenalan pola adalah learning rate, epoch, dan hidden neuron, sedangkan parameter MFCC adalah koefisien cepstral dan overlap. Data citra kulit hewan pada penelitian ini diperoleh dari hasil citra mikroskop stereo di lab Lembaga Pengkajian Pangan, Obat-obatan, dan Kosmetika (LPPOM) Majelis Ulama Indonesia, Global Halal Center, Bogor. Data yang digunakan sebanyak 300 citra dengan format JPG. Terdapat 5 kelas yang diidentifikasi, yaitu cow, pig, sheep, goat, dan kangaroo. Berdasarkan hasil penelitian yang telah dilakukan, rataan akurasi tertinggi sebesar 81.67% diperoleh dengan koefisien cepstral 26, overlap 50%, learning rate 0.3, epoch 3000, dan hidden neuron 20.