Algoritma Support Vector Machine untuk Identifikasi Kesegaran Daging Ayam Broiler berdasarkan Warna
Keywords:
Pengolahan citra, RGB, daging ayam, SVM
Abstract
Salah satu tipe daging hewan yang digemari masyarakat ialah daging ayam broiler. Menurut data Badan Pusat Statistik, konsumsi daging ayam broiler yakni 3.175.853,00 ton pada tahun 2017, 3.409.558,00 ton pada tahun 2018, serta 3.495.090,53 ton pada tahun 2019. Masyarakat umum masih menggunakan metode tradisional untuk memastikan mutu serta kesegaran daging dengan penciuman serta pemeriksaan visual. Penelitian ini menggunakan metode algoritma Support Vector Machine (SVM) untuk mengembangkan aplikasi berbasis MATLAB yang mampu membedakan daging ayam segar dan kurang segar. Hasil identifikasi 140 citra data latih dan 20 data uji daging ayam yang didapatkan dengan menerapkan algoritma SVM menghasilkan akurasi 81%.
References
[1] Amin, F. M. (2018). Identifikasi Citra Daging Ayam Berformalin Menggunakan Metode Fitur Tekstur dan K-Nearest Neighbor (K-NN). Jurnal Matematika “MANTIK,” 4(1), 68–74. https://doi.org/10.15642/mantik.2018.4.1.68-74
[2] Astrianda, N. (2020). Klasifikasi Kematangan Buah Tomat Dengan Variasi Model Warna Menggunakan Support Vector Machine. VOCATECH: Vocational Education and Technology Journal, 1(2).
[3] BPS. (2019). Output Tabel Dinamis Produksi Daging Ayam Ras Pedaging. Badan Pusat Statstik,
[4] Habib, C., Surudin, M., Widiastiwi, Y., & Chamidah, N. (2020). Penerapan Algoritma K-Nearest Neighbor Pada Klasifikasi Kesegaran Citra Ayam Broiler Berdasarkan Warna Daging Dada Ayam. 799–809.
[5] Irfani, F. F. (2020). Analisis Sentimen Review Aplikasi Ruangguru Menggunakan Algoritma Support Vector Machine. JBMI (Jurnal Bisnis, Manajemen, Dan Informatika), 16(3), 258–266. https://doi.org/10.26487/jbmi.v16i3.8607
[6] Mungki Astiningrum, Putra Prima Arhandi, & Nabilla Aqmarina Ariditya. (2020). Identifikasi Penyakit Pada Daun Tomat Berdasarkan Fitur Warna Dan Tekstur. Jurnal Informatika Polinema, 6(2), 47–50. https://doi.org/10.33795/jip.v6i2.320
[7] Normawati, D., & Prayogi, S. A. (2021). Implementasi Naïve Bayes Classifier Dan Confusion Matrix Pada Analisis Sentimen Berbasis Teks Pada Twitter. J-SAKTI (Jurnal Sains Komputer Dan Informatika), 5(2), 697–711.
[8] Pratiwi, B. P., Handayani, A. S., & Sarjana, S. (2021). Pengukuran Kinerja Sistem Kualitas Udara Dengan Teknologi Wsn Menggunakan Confusion Matrix. Jurnal Informatika Upgris, 6(2), 66–75. https://doi.org/10.26877/jiu.v6i2.6552
[9] Prisky, Aningtiyas, R., Sumin, A., & Wirawan, S. (2020). Pembuatan Aplikasi Deteksi Objek Menggunakan Memanfaatkan SSD MobileNet V2 Sebagai Model TensorFlow Object Detection API dengan Pra-Terlatih. 19(September), 421–430.
[10] Purwanto, I., & Afriansyah, M. (2019). Deteksi Tingkat Kesegaran Daging Ayam Menggunakan K-Nearest Neighbor Detection of the Freshness of Chicken Meat Using the K- Nearest Neighbor. 12(2), 177–185.
[11] Rahutomo, F., Saputra, P. Y., & Fidyawan, M. A. (2018). Implementasi Twitter Sentiment Analysis Untuk Review Film Menggunakan Algoritma Support Vector Machine. Jurnal Informatika Polinema, 4(2), 93. https://doi.org/10.33795/jip.v4i2.152
[12] Septiaji, K. D., & Firdausy, K. (2018). Deteksi Kematangan Daun Selada ( Lactuca Sativa L ) Berbasis Android Menggunakan Nilai RGB Citra.
[2] Astrianda, N. (2020). Klasifikasi Kematangan Buah Tomat Dengan Variasi Model Warna Menggunakan Support Vector Machine. VOCATECH: Vocational Education and Technology Journal, 1(2).
[3] BPS. (2019). Output Tabel Dinamis Produksi Daging Ayam Ras Pedaging. Badan Pusat Statstik,
[4] Habib, C., Surudin, M., Widiastiwi, Y., & Chamidah, N. (2020). Penerapan Algoritma K-Nearest Neighbor Pada Klasifikasi Kesegaran Citra Ayam Broiler Berdasarkan Warna Daging Dada Ayam. 799–809.
[5] Irfani, F. F. (2020). Analisis Sentimen Review Aplikasi Ruangguru Menggunakan Algoritma Support Vector Machine. JBMI (Jurnal Bisnis, Manajemen, Dan Informatika), 16(3), 258–266. https://doi.org/10.26487/jbmi.v16i3.8607
[6] Mungki Astiningrum, Putra Prima Arhandi, & Nabilla Aqmarina Ariditya. (2020). Identifikasi Penyakit Pada Daun Tomat Berdasarkan Fitur Warna Dan Tekstur. Jurnal Informatika Polinema, 6(2), 47–50. https://doi.org/10.33795/jip.v6i2.320
[7] Normawati, D., & Prayogi, S. A. (2021). Implementasi Naïve Bayes Classifier Dan Confusion Matrix Pada Analisis Sentimen Berbasis Teks Pada Twitter. J-SAKTI (Jurnal Sains Komputer Dan Informatika), 5(2), 697–711.
[8] Pratiwi, B. P., Handayani, A. S., & Sarjana, S. (2021). Pengukuran Kinerja Sistem Kualitas Udara Dengan Teknologi Wsn Menggunakan Confusion Matrix. Jurnal Informatika Upgris, 6(2), 66–75. https://doi.org/10.26877/jiu.v6i2.6552
[9] Prisky, Aningtiyas, R., Sumin, A., & Wirawan, S. (2020). Pembuatan Aplikasi Deteksi Objek Menggunakan Memanfaatkan SSD MobileNet V2 Sebagai Model TensorFlow Object Detection API dengan Pra-Terlatih. 19(September), 421–430.
[10] Purwanto, I., & Afriansyah, M. (2019). Deteksi Tingkat Kesegaran Daging Ayam Menggunakan K-Nearest Neighbor Detection of the Freshness of Chicken Meat Using the K- Nearest Neighbor. 12(2), 177–185.
[11] Rahutomo, F., Saputra, P. Y., & Fidyawan, M. A. (2018). Implementasi Twitter Sentiment Analysis Untuk Review Film Menggunakan Algoritma Support Vector Machine. Jurnal Informatika Polinema, 4(2), 93. https://doi.org/10.33795/jip.v4i2.152
[12] Septiaji, K. D., & Firdausy, K. (2018). Deteksi Kematangan Daun Selada ( Lactuca Sativa L ) Berbasis Android Menggunakan Nilai RGB Citra.
Published
2025-07-31
Section
Articles
