Hyperparameter Tuning Pemodelan CNN dengan Metode Bayesian Optimization Untuk Identifikasi Kemurnian Daging Sapi

Abstract

Daging sapi merupakan sumber protein tinggi yang permintaannya terus meningkat seiring dengan pertumbuhan penduduk. Akan tetapi, praktik penipuan seperti mencampur daging sapi dengan daging babi masih saja terjadi, sehingga diperlukan suatu sistem cerdas untuk membedakan jenis daging tersebut. Saat ini telah banyak penelitian terkait klasifikasi daging sapi, daging campuran, dan daging babi, baik menggunakan machine learning maupun deep learning. Penelitian ini berfokus pada hyperparameter tuning model Convolutional Neural Network (CNN) arsitektur EfficientNetV2 menggunakan optimasi Bayesian untuk klasifikasi daging sapi, daging babi, dan daging campuran. Dataset yang digunakan telah melalui proses CLAHE, augmentasi data, dan pembobotan kelas untuk mengurangi kesalahan klasifikasi. Hasil pengujian menunjukkan bahwa akurasi terbaik pada klasifikasi multikelas mencapai 96,67% dengan penerapan CLAHE dan pembobotan kelas. Pada klasifikasi biner antara daging campuran sapi dan daging sapi, serta daging babi dan daging sapi, akurasinya mencapai 100% dengan penggunaan data CLAHE, dimana pembobotan kelas hanya diterapkan pada model daging sapi campuran yang mendapatkan akurasi terbaik.