Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKDaging ayam hasil pemotongan akan mengalami penurunan kesegaran akibat proses mikrobiologi dan kimiawi yang berdampak pada kualitas daging ayam. Pengukuran kesegaran pada daging ayam biasanya dilakukan melalui uji laboratorium yang membutuhkan waktu lama dan bersifat destruktif. Pada penelitian ini, pengukuran yang dikembangkan untuk memprediksi kesegaran daging ayam adalah sistem pengukuran yang berbasis citra VNIR dengan rentang panjang gelombang 400-1000 nm. Analisis kesegaran daging ayam dilakukan dengan pendekatan uji organoleptik dengan nilai pH. Pemodelan Random Forest (RF) digunakan untuk membangun model prediksi kesegaran daging ayam berdasarkan pendekatan organoleptik. Sistem pengukuran kesegaran dievaluasi dengan nilai akurasi sebesar 85,5%. Algoritma Partial Least Square Regression (PLSR) digunakan untuk membangun model prediksi pada data spektral untuk pengukuran nilai pH. Sistem pengukuran nilai pH pada ayam segar dievaluasi dengan koefisien korelasi (R) = 0,80 dan root mean square error (RMSE) = 0,16. Sistem pengukuran nilai pH pada ayam tidak segar dievaluasi dengan koefisien korelasi (R)=0,84 dan root mean square error (RMSE)=0,18. Hasil yang diperoleh baik secara klasifikasi dan regresi menunjukkan sistem pengukuran ini efektif untuk memprediksi kualitas daging ayam

---

ABSTRACTChicken`s meat will experience freshness degradation due to microbiological and chemical processes which affect the of Chicken`s Meat Quality. Measurements of freshness usually destructive and through laboratory tests that it takes a long time. In this study a VNIR imaging system was built with a wavelength range of 400-1000 nm to determine the freshness of broiler chicken meat. The freshness of chicken meat was analyzed by using organoleptic approach with pH contained in the chicken meat. Classification using Random Forest (RF) modeling has been developed to predict the freshness of chicken meat. The freshness of chicken meat with an accuracy of 85.5%. The Partial Least Square Regression (PLSR) algorithm was successfully used to determine the pH. The measurement prediction system for freshness chicken meat with correlation coefficient 0.80 and RMSE 0.16. The measurement prediction system for spoiled chicken meat with correlation coefficient 0.84 and RMSE 0.18. Both classification and regression methods indicate that this measurement system is effective for predicting the quality of chicken meat"

"Studi ini berfokus pada merancang model rantai pasok Halal terintegrasi untuk produk makanan ayam yang mencakup seluruh proses rantai pasokan, dimulai dari pengadaan bahan baku yang dibutuhkan untuk produk makanan ayam hingga distribusi akhir produk kepada konsumen akhir. Tujuannya adalah memastikan bahwa seluruh rantai pasokan mengikuti standar Halal, mulai dari pengadaan bahan baku hingga distribusi produk akhir. Dengan menggunakan pendekatan sistem dinamis, model ini mempertimbangkan sifat dinamis dari rantai pasokan, termasuk faktor-faktor seperti perubahan permintaan dan tingkat inventaris. Sebuah studi kasus tentang produk makanan ayam menguji efektivitas model ini. Temuan-temuan tersebut menekankan pentingnya mengintegrasikan persyaratan Halal pada setiap tahap sesuai dengan kebijakan jaminan Halal di Indonesia.

---

This study focuses on designing an integrated Halal supply chain model for chicken food products that encompasses the entire supply chain process, starting from the sourcing of ingredients required for chicken food products and extending to the final distribution of the products to end consumers. The aim is to ensure that the entire supply chain follows Halal standards, from sourcing ingredients to distributing the final product. By using a dynamic system approach, the model considers the dynamic nature of the supply chain, including factors like demand changes and inventory levels. A case study on chicken food products validates the effectiveness of the model. The findings emphasize the importance of integrating Halal requirements at each stage according to halal assurance policy in Indonesia."

"Berdasarkan dari situs arsip Mahkamah Agung, saat ini terdapat 64 laporan kasus penjualan daging ayam bangkai di Indonesia. Hal ini menjadi persoalan karena bisa jadi masih banyak kasus yang tidak terungkap karena belum memiliki instrumen atau alat ukur untuk mengetahui perbedaan dari daging ayam bangkai ataupun sehat. Salah satu teknik pengukuran yang sedang berkembang dengan menggunakan citra. Teknik pengukuran citra sangatlah efisien untuk melakukan pengukuran karena tidak memerlukan alat dan bahan tambahan serta tidak menghancurkan terlebih dahulu sampelnya. Salah satu pengambilan citra dengan menggunakan hiperspektral merupakan teknik yang cukup baik karena hiperspektral memiliki band yang bervariatif dan dapat melakukan pendeteksian multi parameter. Citra hiperspektral memiliki spektrum yang luas dari spektrum citra RGB. Spektrum tersebut dapat menjadikan informasi yang digunakan dalam melakukan pengukuran kadar dalam suatu objek. Namun, dalam pengukuran menggunakan hiperspektral membutuhkan biaya yang tinggi dan membutuhkan penyimpanan data yang besar. Oleh Karena itu, salah satu metode yang di lakukan adalah melakukan rekonstruksi dari bentuk citra RGB menjadi citra Hiperspektral. Citra RGB dapat digunakan dalam kehidupan sehari – hari dan penyimpanan dari citra RGB lebih kecil ukurannya. Maka, Penelitian ini melakukan Implementasi Dual Dense Convolutional Neural Network  untuk Rekonstruksi citra Visible Nearinfrared dan Klasifikasi Daging Ayam Bangkai. Dual Dense CNN merupakan gabungan dari Dense Block CNN untuk melakukan rekontruksi citra hiperspektral dari RGB dan DenseNet untuk klasifikasi citra hiperspektral. Variasi jumlah band target rekonstruksi dilakukan dengan tujuan memperoleh performa model terbaik pada model rekonstruksi dan klasifikasi. Performa model rekonstruksi terbaik diperoleh pada jumlah band 112 dengan nilai RMSE sebesar 0.0012 dan nilai MAE sebesar 0.0269. Sedangkan performa model klasifikasi terbaik direntang band 224 dengan akurasi training varietas ayam 86,00% dan status daging 97,65% serta memiliki nilai presisi dari varietas 91,00% dan 98,00% untuk status daging. Hasil pengujian dengan sistem klasifikasi dan rekonstruksi arsitektur Dual Dense CNN dapat dilakukan dengan citra RGB.

---

Until now, Indonesia has reported 64 cases of selling carcass chicken meat. This is a problem because there may still be many cases that are not uncovered because they do not yet have instruments or measuring instruments to find out the difference between carcass and healthy chicken meat. One measurement technique that is being developed is using imagery. Image measurement techniques are very efficient for making measurements because they do not require additional tools and materials and do not destroy the sample first. One of the image capture using Hyperspectral is a fairly good technique because Hyperspectral has varied bands and can perform multi-parameter detection. Hyperspectral image has a broad spectrum of the RGB image spectrum. The spectrum can make information used in measuring levels in an object. However, measurements using hyperspectral require high costs and require large data storage. Therefore, one of the methods used is to perform a reconstruction from the form of an RGB image to a hyperspectral image. RGB images can be used in everyday life and storage of RGB images is smaller in size. So, this research implements the Dual Dense Convolutional Neural Network for Visible Nearinfrared Image Reconstruction and Classification of Carrion Chicken Meat. Dual Dense CNN is a combination of Dense Block CNN to perform hyperspectral image reconstruction from RGB and DenseNet for hyperspectral image classification. Variation of the number of reconstruction target bands was carried out with the aim of obtaining the best model performance in the reconstruction and classification models. The best reconstruction model performance is obtained in the number of bands 112 with an RMSE value of 0.0012 and an MAE value of 0.0269. While the performance of the best classification model spanned band 224 with a training accuracy of 86.00% for chicken varieties and 97.65% for meat status and had a precision value of 91.00% for varieties and 98.00% for meat status. The results of testing the classification modeling and reconstruction of the Dual Dense CNN architecture can be done with RGB images."