Deteksi Adanya Bahan – Bahan Tidak Halal berdasarkan Pengenalan Tulisan pada Kemasan Produk Makanan atau Minuman Menggunakan Convolutional Neural Network

Rahmatullah, Moh. Adam (2021) Deteksi Adanya Bahan – Bahan Tidak Halal berdasarkan Pengenalan Tulisan pada Kemasan Produk Makanan atau Minuman Menggunakan Convolutional Neural Network. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

	Text 05111740000032-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2023. Download (6MB) | Request a copy
	Text 05111740000032-Moh.-Adam-Rahmatullah-POMITS.pdf - Accepted Version Restricted to Repository staff only until 1 October 2023. Download (194kB) | Request a copy
	Text 05111740000032-Undergraduate_Thesis.pdf Restricted to Repository staff only Download (6MB) | Request a copy

Abstract

Setiap produk makanan atau minuman bahan kemasan memiliki bahan penyusun yang berbeda, bahan penyusun tersebut dapat diketahui pada bagian komposisi yang ada di kemasan produk. Bagian komposisi menjadi salah satu acuan bagi konsumen untuk mengetahui apakah produk bahan kemasan tersebut halal dikonsumsi atau tidak. Namun, bahan-bahan yang tercantum tidak semuanya dipahami konsumen, sehingga konsumen perlu mengetahui lebih detail mengenai bahan tersebut agar tidak ada kekhawatiran mengenai kehalalan produk tersebut. Salah satu solusi untuk memudahkan konsumen dalam mengatasi permasalahan ini, diperlukan adanya pengembangan sistem yang dapat mendeteksi bahan-bahan tidak halal berdasarkan tulisan pada bagian komposisi bahan kemasan produk makanan atau minuman. Sistem ini menggunakan teknologi machine learning dengan memanfaatkan Convolutional Neural Network (CNN) yang telah dimanfaatkan masyarakat untuk melakukan pengenalan karakter mulai dari angka, huruf dan tanda baca dari dokumen versi cetak menjadi dokumen versi digital, sehingga dapat dikenali oleh sistem pada komputer.
Dalam Tugas Akhir ini akan dibuat sistem menggunakan teknologi machine learning dengan memanfaatkan CNN yang memungkinkan membaca masukan dari data gambar yang diunggah oleh pengguna. Dengan melalui tahap Perspective Transformation bagian komposisi, segmentasi baris pada gambar biner dengan dilanjutkan segmentasi karakter dengan menggunakan histogram proyeksi, pengenalan karakter yang berhasil disegmentasi menggunakan CNN dengan data latih yang digunakan berasal dari penggabungan citra sintetis dan citra bahan kemasan produk makanan atau minuman, dan tahap terakhir adalah melakukan deteksi apakah suatu produk mengandung bahan-bahan halal, tidak halal atau syubhat. Hasil dari penelitian ini menunjukkan akurasi 88,89%, presisi 92,06% dan recall 93,83% dalam mendeteksi kehalalan bahan pada produk makanan, sementara pada produk minuman menghasilkan akurasi 86,67%, presisi 80% dan recall 92,59%.
======================================================================================================
Each food or beverage product with packaging materials has different constituent materials, these constituent materials can be identified in the composition section on the product packaging. The composition section is one of the references for consumers to find out whether the product is halal to consume or not. However, not all of the ingredients listed are understood by consumers, so consumers need to know in more detail about these ingredients so that there are no concerns about the halalness of the product. One solution to make it easier for consumers to overcome this problem, it is necessary to develop a system that can detect non-halal ingredients based on the writing on the composition of food or beverage product packaging materials. This system uses machine learning technology by utilizing CNN which has been used by the public to recognize characters ranging from numbers, letters and punctuation from the printed version of the document to the digital version of the document, so that it can be recognized by the system on the computer.
In this undergraduate thesis, a system will be created using machine learning technology by utilizing CNN which allows reading input from image data uploaded by the user. By going through the Perspective Transformation stage in the composition section, line segmentation in Binary Image followed by character segmentation using histogram projection, character recognition that was successfully segmented using CNN with training data used derived from combining synthetic images and images of food or beverage product packaging materials, and the last stage is to detect whether a product contains halal, non-halal ingredients or syubhat. The results of this study show an accuracy of 88,89%, precision 92,06% and recall 93,83% in detecting halal ingredients in food products, while in beverage products produce 86,67% accuracy, 80% precision and 92,59% recall.

Item Type:	Thesis (Undergraduate)
Uncontrolled Keywords:	Convolutional Neural Network, Deteksi Bahan Tidak Halal, Histogram Proyeksi, Komposisi Kemasan Produk, Pengenalan Tulisan, Perspective Transformation. ============================================================ Convolutional Neural Network, Detection Of Non-Halal Ingredients, Histogram Projection, Product Packaging Composition, Text Recognition, Perspective Transformation.
Subjects:	Q Science > Q Science (General) > Q325.5 Machine learning. Support vector machines. Q Science > Q Science (General) > Q337.5 Pattern recognition systems Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science)
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55201-(S1) Undergraduate Thesis
Depositing User:	Moh. Adam Rahmatullah
Date Deposited:	09 Aug 2021 01:26
Last Modified:	09 Aug 2021 01:26
URI:	http://repository.its.ac.id/id/eprint/85159

Actions (login required)

View Item