Text
Klasifikasi Kesegaran Daging Kerbau Berdasarkan Ciri Warna Hue Saturation Value Dan Fitur Gray Level Co Occurrence Matrices Dengan Algortima K-Nearest Neighbour
Masyarakat sering menilai daging berdasarkan warna, dan bau untuk membedakan antara yang segar dan yang tidak layak dikonsumsi. Penelitian ini bertujuan Untuk Merancang Aplikasi yang dapat menentukan tingkat kesegaran daging kerbau dan mengimplementasi Hue Saturation Value (HSV), Grey Level Co-Occurrence Matrix (GLCM), dan k-Nearest Neighbour (KNN) dalam penentuan tingkat kesegaran daging kerbau. Penelitian ini fokus pada pengembangan sistem klasifikasi kesegaran daging kerbau menggunakan kombinasi ciri warna Hue, Saturation, Value, dan fitur Gray Level Co-Occurrence Matrices (GLCM), didukung oleh algoritma K-Nearest Neighbour (K-NN). Sistem yang dibangun menggunakan bahasa
pemrograman python, dan framework flask sebagai backend serta MySQL sebagai databasenya. Perancangan sistem menggunakan UML, Class Diagram, Sequence Diagram, dan Activity Diagam. Hasil perhitungan parameter dengan nilai k=5 menampilkan performa model dalam mengklasifikasikan tiga kategori daging kerbau Segar, Tidak Segar, dan Busuk. Untuk kelas Segar, presisi mencapai sekitar 79.65%, recall sebesar
75%, dan F1 Score sekitar 77.21%. Di sisi lain, kelas Tidak Segar menunjukkan presisi sekitar 72.41%, recall sebesar 70%, dan F1 Score sekitar 71.20%, sementara kelas Busuk mencapai presisi sekitar 73%, recall sebesar 81.11%, dan F1 Score sekitar 76.80%. Selain itu, berdasarkan pengujian sistem dengan total 1500 gambar daging kerbau, diperoleh akurasi sebesar 87%, yang merupakan hasil dari identifikasi yang benar terhadap 13 gambar dari total 15 gambar data uji
| S250225 | SKR-2023 HER k | Perpustakaan Universitas Handayani Makassar | Tersedia |
Tidak tersedia versi lain