Research Publications

Authors

Wulandari, Lusi Mei Cahya; Nurhayati, Lilis; Dimas, Ravael, Universitas Katolik Darma Cendika, Surabaya, Indonesia

Abstract

Pengukuran kinerja yang efektif merupakan elemen penting dalam memastikan keberhasilan implementasi strategi organisasi. Penelitian ini mengintegrasikan kerangka Balanced Scorecard (BSC) dengan Analytic Network Process (ANP) untuk mengevaluasi kinerja penyedia jasa logistik secara komprehensif. Metode ini dirancang untuk mengatasi keterbatasan BSC tradisional dengan memperhitungkan hubungan timbal balik dan saling ketergantungan antar indikator kinerja. Proses analisis melibatkan penentuan bobot prioritas menggunakan perbandingan berpasangan (pairwise comparison), yang dilakukan melalui perangkat lunak ANP. Hasil penelitian menunjukkan bahwa indikator "Karyawan Dedikatif" memiliki pengaruh terbesar terhadap kinerja organisasi, diikuti oleh "Pertumbuhan Penjualan" dan "Efisiensi Biaya Operasional". Sementara itu, indikator "Kapabilitas Transportasi" dan "Kualitas Produk/Servis" berada pada prioritas terendah. Temuan ini menekankan pentingnya memperkuat aspek sumber daya manusia dan efisiensi finansial untuk meningkatkan daya saing penyedia jasa logistik. Penelitian ini memberikan kontribusi dalam mengembangkan pendekatan holistik untuk pengukuran kinerja strategis, sekaligus menawarkan kerangka kerja yang aplikatif bagi manajer dalam merancang strategi organisasi berbasis data. Selain itu, integrasi BSC dan ANP terbukti efektif dalam menangkap dinamika hubungan kompleks antar elemen strategis, sehingga menghasilkan wawasan yang lebih mendalam untuk pengambilan keputusan.

Related SDGs

Authors

Nurhayati, Lilis, Student Civil Engineering Doctoral Program; Dewi, Sri Murni, Doctor of Civil Engineering, Professor,Universitas Brawijaya MT. Haryonostr., 167, Malang East Java, Indonesia, 65145; Murti, Wisnu; Nuralinah, Devi, Doctor of Civil Engineering, Universitas Brawijaya MT. Haryonostr., 167, Malang East Java, Indonesia, 65145

Abstract

This paper presents the study of the mechanical performance of finger jointed laminated timber beams, unreinforced and reinforced with Carbon Fiber Reinforced Polymer, made from waste Merbau wood as an alternative to conventional structural materials. The present study focuses on the ultimate load capacity, modulus of elasticity, modulus of rupture, and load-deflection behavior of laminated beams with face butt and face finger joint orientations against solid beams. Tests were conducted by the four-point bending method according to ASTM D198-02. The results indicated that solid beams had the highest load bearing capacity compared to finger-jointed laminated beams. CFRP reinforcement increased the load capacity by 7.15% for face butt orientation and 38.58% for face finger orientation. CFRP reinforced face finger joints showed a significant increase in modulus of elasticity (MOE) and modulus of rupture (MOR) compared to face butt joints, indicating the effectiveness of CFRP reinforcement in certain orientations. Load-deflection analysis shows that CFRP-reinforced beams exhibit better ductility than unreinforced beams, with peak deflection increasing by 27.2% for face-butt and 26.0% for face-finger. Results confirm that CFRP reinforcement can enhance finger-jointed laminated beams; however, despite these improvements, the reinforced laminated beams still do not reach the strength level of solid beams, with the maximum load capacity and bending moment being approximately 31% of the solid beam values. This study offers insights into the development of robust, efficient, and sustainable wood-based building materials. Furthermore, the findings indicate that finger-jointed laminated wood, produced from waste cuttings from the wood processing industry, possesses the potential to be developed into structural building materials, thereby enhancing the value of wood waste

Related SDGs

Authors

Sombeng, Andi Ranreng; As’ad, Ihwana; Darwis, Herdianti, Universitas Muslim Indonesia, Makassar, Indonesia

Abstract

Perkembangan teknologi informasi yang pesat telah menjadikan laptop sebagai kebutuhan penting, terutama bagi mahasiswa dan profesional di bidang teknologi. Banyaknya pilihan laptop dengan berbagai merek dan spesifikasi di pasaran menyebabkan konsumen kesulitan dalam memilih perangkat yang sesuai kebutuhan dan anggaran. Untuk mengatasi masalah tersebut, penelitian ini mengembangkan Sistem Pendukung Keputusan (SPK) menggunakan metode Simple Additive Weighting (SAW) untuk membantu dalam pemilihan laptop yang optimal. Metode SAW dipilih karena mampu memberikan perhitungan nilai alternatif berdasarkan bobot dan skor dari beberapa kriteria seperti harga, prosesor, layar, vga, memori, dan hardisk. Sistem yang dibangun memungkinkan pengguna untuk menentukan preferensi terhadap setiap kriteria, kemudian sistem akan melakukan normalisasi dan perankingan untuk memberikan rekomendasi laptop terbaik. Hasil pengujian menunjukkan bahwa sistem ini dapat meningkatkan efisiensi dan objektivitas dalam pengambilan keputusan. Dengan demikian, SPK berbasis SAW ini bermanfaat sebagai alat bantu seleksi laptop yang informatif, akurat, dan mudah digunakan

Related SDGs

Authors

As’ad; Ihwana, Faradibah; Amaliah

Abstract

Penelitian ini mengkaji penerapan algoritma Naïve Bayes dalam mengklasifikasikan beban kerja pegawai di Badan Kepegawaian Kabupaten Barru guna meningkatkan efektivitas manajemen sumber daya manusia berbasis data. Tantangan utama dalam pengelolaan pegawai meliputi ketidakseimbangan distribusi tugas, kurangnya transparansi penilaian, serta keterbatasan metode konvensional, yang dapat diatasi melalui analisis data historis dengan pendekatan probabilistik. Algoritma Naïve Bayes digunakan untuk mengelompokkan beban kerja pegawai berdasarkan parameter jumlah jam kerja, kompleksitas tugas, dan pencapaian target, yang menghasilkan distribusi beban kerja rendah (55,7%), sedang (31,4%), dan tinggi (12,8%). Model ini menunjukkan akurasi tinggi dalam klasifikasi dan mampu mengidentifikasi pegawai dengan kelebihan atau kekurangan beban kerja secara objektif. Studi kasus pada PT. Rikasa Dinar Djaya juga membuktikan keandalan metode ini dalam mengevaluasi kinerja karyawan dengan akurasi 99,44%. Hasil penelitian ini diharapkan dapat meningkatkan transparansi dan keadilan dalam evaluasi kinerja pegawai, meminimalkan bias subjektif, serta menjadi referensi bagi instansi pemerintah lainnya dalam mengadopsi teknologi machine learning untuk pengelolaan SDM yang lebih modern, efisien, dan berkelanjutan

Related SDGs

Authors

As’ad, Ihwana, Universitas Muslim Indonesia; Martriwati, UHAMKA; Nugraha, Satriya, Universitas Palangkaraya; Muljo, Ariyani, IAIN Langsa; Sari, Ika Purnama, STIKOM Tunas Bangsa; Dhania, Hanrezi, Universitas Djuanda; Mose, Yuliana, Universitas Trinita; Setiawan, Zunan, Universitas Ahmad Dahlan; Jasiah, IAIN Palangkaraya; Kushayati, Nuris, Akper Dian Husada Mojokerto

Abstract

Tempeh, a traditional Indonesian fermented soybean product, is highly nutritious but under-consumed by children due to its bland appearance and unfamiliar texture. This community service program aimed to enhance elementary school students’ interest in consuming tempeh through a participatory training that introduced character molds into the tempeh-making process. Conducted with 20 students aged 9–11 years, the intervention employed a pretest-posttest design to assess changes in tempeh preferences, knowledge, and willingness to consume and prepare tempeh. Results indicated significant improvements across all indicators: students’ liking of tempeh increased from 35% to 85%, their perception of its visual appeal rose from 25% to 90%, and willingness to try character-shaped tempeh reached 95%. The program not only improved students’ understanding of tempeh’s nutritional benefits but also engaged them in creative, hands-on food preparation that enhanced motivation and enjoyment. The findings support the use of experiential learning and visual food design in child nutrition education. This initiative effectively combined cultural food preservation with innovative teaching strategies. It demonstrates that integrating fun and creativity into traditional food education can promote healthier eating habits and strengthen local food identity among young learners. Future programs should consider scaling up and incorporating family and school-level involvement to achieve a broader and more sustainable impact.

Related SDGs

Authors

Triyanto, T.; Nur Kholifah, Yogyakarta State University, Yogyakarta, Indonesia; Tita Rosalina, Politeknik Negeri Sambas, West Kalimantan, Indonesia; Ihwana As’ad, Universitas Muslim Indonesia, South Sulawesi, Indonesia; Widiya Avianti, Universitas Winaya Mukti, West Java, Indonesia; Muhammad Nurtanto, Universitas Negeri Jakarta, Jakarta, Indonesia; Rossi Evita, Politeknik Negeri Sambas, West Kalimantan, Indonesia; Mustofa Abi Hamid, Universitas Sultan Ageng Tirtayasa, Banten, Indonesia ; Ayu Intan Sari, Universitas Sebelas Maret, Central Java, Indonesia; Farid Mutohhari, Universitas Sarjanawiyata Tamansiswa, Yogyakarta, Indonesia

Abstract

Dissatisfaction among consumers due to limitations in batik product marketing within MSMEs has been identified as a critical issue. To address this, an innovative approach to batik shopping was developed through the Augmented Reality (AR-SaBa) mobile application. Concerns related to product quality, brand image, and trust—particularly when products fail to meet consumer expectations—were targeted. The objective of the study was the design of an Augmented Reality application utilizing marker detection via Unity 3D on the Android platform. This application was designed to enhance online product listings, enabling consumers to explore batik products in greater detail prior to purchase. Consumers are provided with the ability to view batik garments on a 3D model tailored to selected motifs and designs. The effectiveness of this solution was demonstrated, with the application performing successfully across various mobile devices. Validation of the AR-SaBa application, conducted by 18 evaluators including AR developers, fashion lecturers, batik MSME owners, and loyal consumers, revealed performance ratings ranging from 4.00 to 4.61 across criteria such as performance, usefulness, learnability, accuracy, suitability, engagement, novelty, relevance, feedback, and flexibility and control. An overall acceptance rating of 88.22% was achieved, placing the AR-SaBa application in the high-acceptance category.

Related SDGs

Authors

As’ad, Ihwana, Faculty of Computer Science, Universitas Muslim Indonesia, Makassar, Indonesia

Abstract

Through process improvement, growth acceleration, and business landscape transformation, artificial intelligence (AI) has transformed online businesses and accelerated digital transformation. The purpose of this study is to presents a conceptual overview of artificial intelligence (AI) in E-commerce. Potential research themes, explored through content analysis and visualization techniques, offer deeper understanding of the knowledge landscape in this field. This study utilized VOSviewer and R-bibliometrix to conduct data analysis and network visualization the scientific output of 811 research articles form Scopus, WoS and PubMed database from 2000 to 2024, including the number of publications, countries, journal, citations, authors, and keywords. The results of this research show that China and USA emerges as the country with the significant contributions to the development of research related to artificial intelligence in e-commerce, which is dominated by affiliations from Zhejiang University. In the analysis of the relationship between topics, two clusters were obtained, the most dominant topics with keyword “human†and “neural networkâ€. Neural networks are included in AI algorithms that has characteristics similar to the human brain and have the ability to operate more efficiently and profitably in e-commerce. Researchers will gain important insights into the current landscape, as well as collaborative frameworks to suggest directions for future research.

Related SDGs

Authors

As’ad; Ihwana

Abstract

Proses manual pada pemipihan serat alam enceng gondok menjadi dekorasi rumah tangga menyulitkan pekerja dan menurunkan produktivitas. Alternatif urgent yang segera dilakukan adalah pengembangan dan penerapan teknologi mesin pemipih modern untuk mempercepat pekerjaan dan meningkatkan volume produksi yang berkualitas. Tujuan dari kegiatan pengabdian masyarakat (PkM) ini adalah merancang mesin pemipih modern untuk serat enceng gondok dan memberikan pelatihan serta pendampingan kepada pekerja di Maeswara Keranjang Basket (MKB). Kegiatan ini menggunakan pendekatan Participatory Action Research (PAR) melalui tahap penetapan tujuan, perencanaan, pelaksanaan, dan evaluasi. Metode yang digunakan meliputi diskusi, observasi, praktik langsung, dan focus group discussions (FGD). Aspek keberhasilan utama dalam merancang teknologi modern melibatkan tinjauan pustaka, studi pendahuluan, desain dan validasi, uji fungsional dan kinerja, pelatihan dan pendampingan, serta pemantauan penggunaan teknologi modern. Penerimaan mesin pemipih serat modern melalui pelatihan mencapai lebih dari 0,70 GSN, dengan kesiapan operasional yang dinilai antara 3,75 hingga 3,90 (pada skala 4,0). Pekerja mengonfirmasi bahwa teknologi modern tersebut secara signifikan meningkatkan kecepatan, presisi, dan kualitas pemrosesan serat, mempercepat proses produksi produk secara keseluruhan. Inovasi teknologi ini menjadi alternatif yang layak bagi industri kecil dan menengah (IKM) yang fokus pada produksi serat alami, khususnya enceng gondok.

Related SDGs

Authors

Haris, Najwan Firdaus, Information System, Universitas Muslim Indonesia, Makassar, Indonesia; As’ad; Ihwana, Widyawati; Dewi, Faculty of Computer Science, Universitas Muslim Indonesia, Makassar, Indonesia

Abstract

The Faculty of Computer Science (FIKOM) at Universitas Muslim Indonesia (UMI) faces significant challenges in enhancing the quality of thesis supervision due to an increasing student population. This study utilizes the Management by Objectives (MBO) approach to evaluate and improve faculty supervision quality. MBO involves setting clear goals, monitoring progress, providing feedback, and evaluating performance based on Key Performance Indicators (KPIs), Customer Satisfaction Scores (CSAT), and Customer Effort Scores (CES). Data was gathered from questionnaires distributed to 211 FIKOM students currently writing or who have completed their theses. The findings reveal that MBO implementation significantly enhances communication between faculty and students, clarifies supervision goals, and boosts student satisfaction. The structured and directed approach of MBO makes the supervision process more efficient, leading to higher quality thesis completions. Additionally, the research underscores the importance of aligning supervision schedules and methods to better fit both faculty and student needs, thus mitigating issues related to faculty workload and student guidance. The study concludes that adopting MBO in thesis supervision processes can substantially improve both the effectiveness and satisfaction of academic guidance at FIKOM UMI.

Related SDGs

Authors

Nur, Azmi Fauziah; Salim, Yulita; Ramdaniah, Universitas Muslim Indonesia, Makassar, Indonesia

Abstract

Penelitian ini bertujuan untuk menganalisis sentimen pengguna terhadap perkembangan Artificial Intelligence(AI) dengan membandingkan kinerja tiga algoritma machine learning: Naive Bayes(NB), Support Vector Machine(SVM), dan K-Nearest Neighbors(KNN). Dataset yang digunakan dalam penelitian ini terdiri dari 5044tweetyang dikumpulkan dari platform media sosial X yang merepresentasikan opini dan pandangan pengguna tentang perkembangan AI. Proses pengumpulan data melibatkan pemilihan tweetyang relevan dengan menggunakan keywordterkait perkembangan AI, diikuti dengan tahap preprocessinguntuk membersihkan dan menghilangkan noise serta kata yang tidak relevan. Evaluasi dilakukan dengan mengukur akurasi, presisi, recall, dan F1-score setiap algoritma dalam mengklasifikasikan sentimen tweet sebagai positif, negatif, atau netral. Hasil penelitian menunjukkan bahwa algoritma SVM secarasignifikan lebih efektif dalam menangani analisis sentimen dibandingkan NBdan KNN, dengan akurasi masing-masing algoritma sebagai berikut: SVM=93%, NB=91%, dan KNN=81%. Penelitian ini dapat memberikan wawasan penting mengenai pemilihan algoritma machine learningyang optimal untuk analisis sentimen dan dapat membantu peneliti dan praktisi dalam memilih metode yang tepat untuk evaluasi sentimen di berbagai topik.

Related SDGs

Authors

Wulandari, Riska; Salim, Yulita; Alwi, Erick Irawadi, Universitas Muslim Indonesia, Makassar, Indonesia

Abstract

Industri musik modern dihadapkan pada permasalahan serius terkait maraknya kasus plagiarisme yang terjadi di berbagai belahan dunia. Kemudahan akses internet dan platform musik digital mempermudah terjadinya penyalinan karya musik. Plagiariseme lagu juga merupakan topik yang kontroversial dan diperdebatkan terutama dibidang musik dimana pasar komersial menghasilkan sejumlah uang yang besar. Kurangnya metrik yang objektif untuk memutuskan apakah suatu lagu merupakan plagiarisme, membuat pendeteksi plagiarisme menjadi tugas yang kompleks. Perlu diakui bahwa deteksi plagiarisme musik merupakan permasalahan yang kompleks dan melibatkan berbagai aspek, seperti harmoni, ritme, dan konteks musik secara keseluruhan. Pengujian ini bertujuan untuk mendeteksi kesamaan nada menggunakan metode deteksi plagiarisme musik berbasis audio forensik. Dengan menggunakan analisis spektral, penelitian ini menguji hipotesis bahwa dua lagu yang memiliki kesamaan nada melodi dapat mendeteksi adanya plagiarisme. Hasil pengujian diharapkan dapat memberikan kontribusi dalam upaya perlindungan hak cipta dan integritas karya musik. Penelitian selanjutnya perlu mempertimbangkan faktor-faktor tersebut untuk mengembangkan metode deteksi yang lebih komprehensif.

Related SDGs

Authors

Belluano, Poetri Lestari Lokapitasari; Rahma, Reyna Aprilia; Darwis, Herdianti; Manga, Abdul Rachman, Department of Computer Science, Faculty of Computer Science, Universitas Muslim Indonesia, Makassar, Indonesia

Abstract

This study aims to analyze the performance of various ensemble machine learning methods, such as Adaboost, Bagging, and Stacking, in the context of skin cancer classification using the skin cancer MNIST dataset. We also evaluate the impact of handling dataset imbalance on the classification model’s performance by applying imbalanced data methods such as random under sampling (RUS), random over sampling (ROS), synthetic minority over-sampling technique (SMOTE), and synthetic minority over-sampling technique with edited nearest neighbor (SMOTEENN). The research findings indicate that Adaboost is effective in addressing data imbalance, while imbalanced data methods can significantly improve accuracy. However, the selection of imbalanced data methods should be carefully tailored to the dataset characteristics and clinical objectives. In conclusion, addressing data imbalance can enhance skin cancer classification accuracy, with Adaboost being an exception that shows a decrease in accuracy after applying imbalanced data methods.

Related SDGs

Authors

Mustafa, Abdul Rahman; Belluano, Poetri Lestari Lokapitasari; Azis, Huzain, Universitas Muslim Indonesa, Makassar, Indonesia

Abstract

Aplikasi stock opname berbasis web service dirancang untuk mengatasi perbedaan pencatatan transaksi secara real-time di Perum BULOG Kanwil Papua, yang sebelumnya dilakukan secara manual menggunakan Microsoft Excel. Aplikasi ini menggunakan arsitektur Service-Oriented Architecture (SOA) yang memungkinkan integrasi data antara cabang dan kantor pusat secara efisien dan real-time. Data transaksi barang masuk dan keluar dicatat melalui sistem yang terhubung langsung ke web service, sehingga data dari seluruh cabang dapat diakses dan diperbarui secara otomatis. Hasil implementasi menunjukkan peningkatan akurasi pencatatan, efisiensi operasional, dan kemudahan aksesibilitas data, yang membantu mengurangi risiko kesalahan manusia dalam pencatatan. Pengujian sistem dilakukan melalui black box testing untuk memastikan fungsionalitas sistem berjalan sesuai kebutuhan.

Related SDGs

Authors

Umasugi, Muhammad Rifaldi; Satra, Ramdan; Gaffar, Andi Widya Mufila, Universitas Muslim Indonesia, Makassar, Indonesia

Abstract

PT. PLN (Persero) Pusmanpro - Unit Pelaksanaan Manajemen Konstruksi V Makassar beralamat di jl. Prof. Abdurahman Basalamah, Komplek Perumahan PLN, Kota Makassar, Sulawesi Selatan. Adapun permasalahan yang terjadi terhadap beberapa ancaman keamanan komputer seperti virus, worm, Trojan, spam serta tindakan merugikan dari para cracker ataupun heacker, dimana masing-masing memiliki cara untuk mencuri data dan merusak sistem. Proses penetration testing dalam hal ini melibatkan proses analisis kepada sebuah sistem untuk mencari potensi celah keamanan seperti kesalahan konfigurasi sistem. Berdasarkan hasil pengujian kerentanan sistem dengan menggunakan metode penetration testing penulis mendapatkan beberapa seperti security website yang terdapat pada situs https://pln.co.id telah menerapkan pengamanan yang cukup baik sehingga hanya ditemukan beberapa kerentanan yang tidak begitu berdampak buruk bagi sistem. Dari pengujian yang telah dilakukan maka dapat diambil kesimpulan bahwa seluruh tahapan penelitian telah dilakukan mulai dari tahapan menggali informasi, analisis hingga tahap pengujian untuk mencari kerentanan yang tersedia. penelitian hanya menggunakan beberapa teknik exploit yang dilakukan. Adapun hasil pengujian menggunakan metode penetration testing dapat mendeteksi celah keamanan pada website PT. PLN (Persero) Pusmanpro – Unit Pelaksanaan Manajemen Konstruksi V Makassar.

Related SDGs

Authors

Nurlinda; Satra, Ramdan; Alwi, Erick Irawadi,

Abstract

UPTD Puskesmas Lau. Kab Maros adalah sebuah instansi yang bergerak pada bidang Kesehatan yang memiliki jumlah Pegawai tetap berjumlah 50 Orang. Puskesmas lau ini melayani berbagai program seperti periksa kesehatan (check up), pembuatan surat keterangan sehat. rawat jalan. lepas jahitan. ganti balutan. jahit luka. cabut gigi. periksa tensi. tes hamil. bersalin/persalinan. periksa anak. tes golongan darah. asam urat Kolesterol dan Lainnya. UPTD Puskesmas Lau memanfaatkan jaringan internet untuk mengakses berbagai layanan Kesehatan. Namun pada saat berjalannya Aktivitas terdapat beberapa ruangan yang tidak Maksimal dalam mengakses internet. Sehingga perlu Analisa lebih dalam terkait Masalah tersebut. Penelitian ini dilakukan Analisis Performa jaringan internet menggunakan Parameter pengukuran kaulitas layanan yang digunakan meliputi Throughput, Packet Loss, delay dan Metode jam sibuk berupa Time Consistent Busy Hour (TCBH). Menentukan jam sibuk dilakukan pengukuran trafik selama 3 Minggu sehingga dihasilkan jam sibuk terjadi di Minggu pertama di ruangana Poliklinik senilai 954.167 kbps, Kesehatan Ibu dan Anak senilai 0.300 (%) dan Ruangan Poliklinik 35.078.706 (ms), di Pukul 09.00-09.33. Pada minggu kedua jam sibuk terjadi di Ruangan Poliklinik senilai 1698.833 (kbps), Kesehatan Ibu dan Anak 0.200 (%) dan Ruangan UGD 200.143.498 (ms), di Pukul 09.00-09.56. Pada minggu ketiga jam sibuk terjadi di Ruangan UGD senilai 1402.000 (kbps), Tata usaha 0.150 (%) dan Ruangan Tata usaha 190.452.603 (ms), di Pukul 09.55-10.20.

Related SDGs

Authors

Anraeni, Siska; Mustari, Muhid; Ramdaniah; Kurniati, Nia; Mubarak, Syahrul,

Abstract

In response to the burgeoning need for advanced object recognition and classification, this research embarks on a journey harnessing the formidable capabilities of Convolutional Neural Networks (CNNs). The central aim of this study revolves around the precise identification and categorization of objects, with a specific focus on the critical task of distinguishing between fresh and spoiled chicken meat. This study's overarching objective is to craft a robust CNN-based classification model that excels in discriminating between objects. In the context of our research, we set out to create a model adept at distinguishing between fresh and rotten chicken meat. This endeavor holds immense potential in augmenting food safety and elevating quality control standards within the poultry industry. Our research methodology entails meticulous data collection, which includes acquiring high-resolution images of chicken meat. This meticulously curated dataset serves as the bedrock for both training and testing our CNN model. To optimize the model, we employ the 'adam' optimizer, while critical performance metrics, such as accuracy, precision, recall, and the F1-score, are methodically computed to evaluate the model's effectiveness. Our experimental findings unveil the remarkable success of our CNN model, with consistent accuracy, precision, and recall metrics all reaching an impressive pinnacle of 94%. These metrics underscore the model's excellence in the realm of object classification, with a particular emphasis on its proficiency in distinguishing between fresh and rotten chicken meat. In summation, our research concludes that the CNN model has exhibited exceptional prowess in the domains of object recognition and classification. The model's high accuracy signifies its precision in furnishing accurate predictions, while its elevated precision and recall values accentuate its effectiveness in differentiating between object classes. Consequently, the CNN model stands as a robust foundation for future strides in object classification technology. As we peer into the horizon of future research, myriad opportunities beckon. Our CNN model's applicability extends beyond chicken meat classification, inviting exploration across diverse domains. Furthermore, the model's refinement and adaptation for specific challenges represent an exciting avenue for future work, promising heightened performance across a broader spectrum of object recognition tasks.

Related SDGs