Qurban dan Artificial Intelligence

Tentang Qurban, Daging Sapi dan Daging Babi

Sebentar lagi, umat muslim akan merayakan Idul Qurban, di mana salah satu ibadah yang dilakukan adalah penyembelihan hewan kurban.

Bagi seorang muslim, kehalalan apa yang dimakan dan diminum adalah satu hal yang sangat penting dan tidak bisa ditawar.

Beberapa waktu lalu, pernah ada isu terkait dicampurnya daging sapi dan daging babi. Walaupun di idul Qurban, kemungkinan ini terjadi sangat kecil, tapi ada baiknya kita mengetahui bagaimana membedakan daging sapi dan daging babi, dan bagaimana AI bisa digunakan untuk membedakan.

Perbedaan Daging Sapi dan Daging Babi

Membedakan daging sapi dan daging babi secara visual dapat dilakukan dengan memperhatikan beberapa ciri khas berikut:

🟥 1. Warna Daging

• Daging Sapi: Berwarna merah tua atau merah gelap.
• Daging Babi: Cenderung berwarna merah muda pucat, mirip dengan daging ayam.

🧵 2. Serat Daging

• Daging Sapi: Memiliki serat yang kasar dan rapat, dengan garis-garis serat yang terlihat jelas.
• Daging Babi: Seratnya lebih halus dan renggang, sehingga tampak lebih lembut.

🧈 3. Lemak

• Daging Sapi: Lemaknya berwarna putih kekuningan, padat, dan agak kering.
• Daging Babi: Lemaknya berwarna putih, basah, elastis, dan sulit dipisahkan dari daging.

✋ 4. Tekstur

• Daging Sapi: Teksturnya padat dan kaku.
• Daging Babi: Teksturnya lebih lembek, kenyal, dan mudah diregangkan.

👃 5. Aroma

• Daging Sapi: Memiliki aroma khas daging sapi yang anyir.
• Daging Babi: Aromanya lebih amis dan tajam.

🍲 6. Saat Dimasak

• Daging Sapi: Ketika direbus, daging sapi berubah warna menjadi abu-abu dan menghasilkan kuah yang cenderung encer.
• Daging Babi: Saat direbus, daging babi berubah warna menjadi putih dan menghasilkan kuah yang lebih kental dan berminyak.

⚠️ Tips Tambahan

• Waspadai Harga Murah: Daging dengan harga jauh lebih murah dari pasaran bisa jadi indikasi daging oplosan atau non-halal.
• Perhatikan Lokasi Penjualan: Daging non-halal sering dijual di tempat yang terpisah atau kurang terang untuk menghindari perhatian.

Menggunakan AI untuk membedakan Daging Sapi dan Babi

Seperti dijelaskan di bagian sebelumnya, terdapat perbedaan visual antara sapi dan babi. Berikut beberapa sampel daging sapi dan daging babi.

Sampel daging sapi

Sampel daging babi

Terdapat beberapa penelitian yang menggunakan image processing untuk membedakan daging keduanya. Berikut beberapa penelitian dan detailnya:

1. Classification of Beef and Pork Images Based on Color Features and Pseudo Nearest Neighbor Rule [1]. Penelitian ini bertujuan membantu identifikasi makanan halal, khususnya membedakan daging sapi dan babi menggunakan citra digital berdasarkan fitur warna. Metode yang digunakan adalah Pseudo Nearest Neighbor Rule (PNNR), dengan ekstraksi fitur warna dari histogram saluran RGB dan HSV. Dataset terdiri dari 744 gambar, dan hasil menunjukkan bahwa fitur warna dari saluran HSV memberikan akurasi klasifikasi tertinggi, yaitu 93,78%, dibanding RGB yang hanya mencapai 87,43%. Ini menunjukkan bahwa perbedaan visual warna antara daging sapi (merah gelap) dan babi (merah muda) dapat dianalisis secara efektif menggunakan pendekatan berbasis warna, khususnya dalam sistem komputer berbasis citra.
2. Differentiation of Beef, Buffalo, Pork, and Wild Boar Meats Using Colorimetric and Digital Image Analysis Coupled with Multivariate Data Analysis [2]. Penelitian ini mengevaluasi kemampuan teknik colorimetric dan analisis citra digital untuk membedakan daging sapi, kerbau, babi, dan babi hutan berdasarkan warna dan jenis otot (Semitendinosus dan Vastus lateralis), menggunakan pendekatan statistik multivariat seperti PCA dan OPLS-DA. Hasil menunjukkan bahwa masing-masing jenis daging memiliki karakteristik warna khas: babi lebih terang (tinggi nilai L\*), sapi cenderung kekuningan (tinggi b\*), kerbau lebih merah (tinggi a\*), dan babi hutan gelap dengan pH lebih tinggi karena stres saat perburuan. Metode pencitraan digital menawarkan keunggulan karena dapat menangkap keseluruhan permukaan daging, dibandingkan dengan kolorimeter yang hanya mengukur sebagian area. Meskipun keduanya efektif, citra digital memiliki keterbatasan dalam membedakan jenis otot tertentu dibandingkan dengan kolorimeter. Studi ini menyimpulkan bahwa kombinasi teknik pencitraan dan analisis warna dapat menjadi alat yang cepat dan murah untuk otentikasi daging serta identifikasi kehalalan berdasarkan jenis spesies.
3. Image Classification of Beef and Pork Using Convolutional Neural Network in Keras Framework [3]. Penelitian ini mengembangkan model klasifikasi citra daging sapi dan babi menggunakan Convolutional Neural Network (CNN) untuk mengatasi penipuan daging yang kerap terjadi akibat harga sapi yang tinggi. Data berupa 3.000 citra daging dikumpulkan dari pasar tradisional, diproses menjadi grayscale 128x128 piksel, dan dibagi menjadi data pelatihan (85%) dan pengujian (15%). Berbagai teknik regularisasi seperti dropout, L2, dan max-norm diuji untuk mengatasi overfitting. Hasil terbaik diperoleh dari model CNN dengan dropout 0,7 yang mencapai akurasi 97,56%, AUC 99,6%, dan loss hanya 0,111. Model ini menunjukkan potensi tinggi untuk diimplementasikan dalam aplikasi pendeteksi kehalalan berbasis citra.

Penutup

Menjelang Idul Qurban, penting bagi kita untuk tidak hanya memahami makna ibadah kurban secara spiritual, tetapi juga memastikan aspek kehalalan dari daging yang kita konsumsi. Meskipun pada momen qurban kemungkinan tercampurnya daging sapi dan babi sangat kecil, pengetahuan tentang perbedaan visual keduanya tetap berguna, terutama dalam keseharian. Lebih jauh, kemajuan teknologi seperti artificial intelligence dan image processing kini membuka jalan baru dalam menjaga integritas pangan halal dengan lebih akurat dan efisien. Dengan pemahaman yang tepat dan dukungan teknologi, kita bisa semakin yakin dalam memilih dan mengkonsumsi daging yang halal, sehat, dan sesuai syariat.

Daftar Pustaka

[1] Baiti, A.A., Fachrie, M., & Diwandari, S. (2023). Classification of Beef and Pork Images Based on Color Features and Pseudo Nearest Neighbor Rule. Elinvo (Electronics, Informatics, and Vocational Education).

[2] Swartidyana, F., Yuliana, N.D., Adnyane, I.K., Hermanianto, J., & Jaswir, I. (2022). Differentiation of beef, buffalo, pork, and wild boar meats using colorimetric and digital image analysis coupled with multivariate data analysis. Jurnal Teknologi dan Industri Pangan.

[3] Bila, S., Fitrianto, A., & Sartono, B. (2021). Image Classification of Beef and Pork Using Convolutional Neural Network in Keras Framework. International Journal of Science, Engineering and Information Technology.