Pengujian Model Klasifikasi Kesegaran Daging Sapi Berbasis GLCM (Gray Level Co-occurrence Matrix) dan Algoritma Machine Learning

MUHAMAD IKBAL RAMDANI; HANNY HIKMAYANTI HANDAYANI; YUSUF EKA WICAKSANA; TOHIRIN AL-MUDZAKIR

doi:10.26760/mindjournal.v10i1.73-88

Pengujian Model Klasifikasi Kesegaran Daging Sapi Berbasis GLCM (Gray Level Co-occurrence Matrix) dan Algoritma Machine Learning

MUHAMAD IKBAL RAMDANI, HANNY HIKMAYANTI HANDAYANI, YUSUF EKA WICAKSANA, TOHIRIN AL-MUDZAKIR

Sari

Abstrak

Daging sapi merupakan sumber hewani yang penting, namun konsumsi masyarakat Indonesia masih rendah dan harga yang terus meningkat mendorong adanya praktik curang, seperti mencampur daging segar dan tidak segar. Hal ini berdampak pada kesehatan karena daging sapi tidak segar mengandung bakteri berbahaya. Penelitian ini dilakukan untuk mengklasifikasikan kesegaran daging sapi dengan memanfaatkan metode ekstraksi fitur Gray Level Co-occurrence Matrix (GLCM) dan algoritma Random Forest serta Decision Tree. Penelitian ini menggunakan 400 data citra augmentasi dan dibagi menjadi 238 data latih dan 160 data uji atau dengan rasio 60:40. Hasil penelitian ini menunjukkan Accuracy sebesar 93% untuk Random Forest dan 88% untuk Decision Tree.

Kata kunci: Daging Sapi, Klasifikasi Citra, Gray Level Co-ccurrence Matrix (GLCM), Random Forest, Decision Tree

Abstract
Beef is a vital source of animal protein. However, its consumption in Indonesia remains relatively low. The continuous increase in beef prices has led to fraudulent practices, such as mixing fresh and non-fresh meat, which poses serious health risks due to the presence of harmful bacteria in spoiled meat. This research aims to classify the freshness level of beef using feature extraction techniques through the Gray Level Co-occurrence Matrix (GLCM) and the Random Forest Algorithm. The study uses 400 augmented image data, divided into 238 training data and 160 testing data with a 60:40 ratio. The results show that the Random Forest algorithm achieved an Accuracy of 93%, while the Decision Tree reached 88%.

Keywords: Beef, Image Classification, Gray Level Co-occurrence Matrix (GLCM), Random Forest, Decision Tree

Teks Lengkap:

PDF

Referensi

Abdul Azis, S., Febriansyah, A., Khasanah, N., & Manufaktur Negeri Bangka Belitung, P. (2024). Identifikasi Kandungan Formalin dan Kesegaran Daging Sapi dengan Image Processing. 262(1).

Aditya Prasanda. (2021, July 6). Makan Daging Busuk agar Timbul Efek Mabuk, Apa Bahayanya? https://www.klikdokter.com/info-sehat/kesehatan-umum/makan-daging-busuk-agar-timbul-efek-mabuk-apa-bahayanya

Agustian, R. D., & Darmawan, A. B. (2022). Analisis Clustering Demam Berdarah Dengue Dengan Algoritma K-Medoids (Studi Kasus Kabupaten Karawang).

Agustiani, S., Tajul Arifin, Y., Junaidi, A., Khotimatul Wildah, S., & Mustopa, A. (2022). Klasifikasi Penyakit Daun Padi menggunakan Random Forest dan Color Histogram (Vol. 10, Issue 1). https://www.kaggle.com/vbookshelf/rice-leaf-

Agustina, F., & Ardiansyah, Z. A. (2020). Identifikasi Citra Daging Ayam Kampung dan Broiler Menggunakan Metode GLCM dan Klasifikasi-NN Image Identification of Local Chicken Meat and Broiler Chicken MeatUsing GLCM Method and K-NN Classification. In 25 JURNAL INFOKAM: Vol. XVI (Issue 1).

Alghifari, F., & Juardi, D. (2021). Penerapan Data Mining Pada Penjualan Makanan Dan Minuman Menggunakan Metode Algoritma Naïve Bayes.

Andono, P. N., & Rachmawanto, E. H. (2021). Evaluasi Ekstraksi Fitur GLCM dan LBP Menggunakan Multikernel SVM untuk Klasifikasi Batik. Masa Berlaku Mulai, 1(3), 1–9. https://doi.org/10.29207/resti.v5i1.265

Awliya Muhammad Ashfania, G., & Prahasto, T. (2022). Penggunaan Algoritma Random Forest untuk Klasifikasi berbasis Kinerja Efisiensi Energi pada Sistem Pembangkit Daya (Vol. 24, Issue 3).

Bona, D., Nurina Sari, B., Singaperbangsa Karawang Jl HSRonggo Waluyo, U., Telukjambe Tim, K., Karawang, K., & Barat, J. (2022). Implementasi Jaringan Hierarki Attention Untuk Klasifikasi Basis Data Multimodal Biometrik.

Cahya, D., & Buani, P. (2024). Deteksi Dini Penyakit Diabetes dengan Menggunakan Algoritma Random Forest. Jurnal Sains Dan Manajemen, 12(1).

Dewi Saputri, N., kunci-Pempek, K., Blok Citra, T., & Syaraf Tiruan, J. (2022). Identifikasi Kadar Ikan Pada Pempek Menggunakan Teknik Blok Citra Dengan Fitur GLCM Dan Metode JST (Vol. 3, Issue 1).

Ekamila, T., Rahayu, F., Zuchriadi, A., & Indarso, A. O. (2023). Edu Komputika Journal Penerapan Deep Learning Untuk Klasifikasi Kesegaran Daging Sapi Berbasis Mobile Apps. In Edu Komputika (Vol. 10, Issue 1). http://journal.unnes.ac.id/sju/index.php/edukom

Eko Karjuan. (2024, September 7). Kandungan Protein dalam Daging Ikan. https://www.rri.co.id/kesehatan/957160/kandungan-protein-dalam-daging-ikan

Fadli, M., & Saputra, R. A. (2023). Klasifikasi Dan Evaluasi Performa Model Random Forest Untuk Prediksi Stroke Classification And Evaluation Of Performance Models Random Forest For Stroke Prediction. 12. http://jurnal.umt.ac.id/index.php/jt/index

Faisal Riftiarrasyid, M., Arif Setyawan, D., & Maulana, H. (2021). Klasifikasi Kesegaran Daging Sapi Menggunakan Metode Gray Level Cooccurrence Matrix dan DNN. In JIFTI-Jurnal Ilmiah Teknologi Informasi dan Robotika (Vol. 3). https://www.kaggle.com/crowww/meat-quality-assessment-

Fakhri, H., Badriyah, T., Syarif, I., Sigit, R., Elektronika Negeri Surabaya, P., & Raya, J. (2024). Klasifikasi Tumor Otak Menggunakan Convolutional Neural Network. 9(1), 2024. https://www.kaggle.

Fauzia Achmad, Y., Yulfitri, A., & Ulum, M. B. (2021). Identifikasi Jenis Jerawat Berdasarkan Tekstur Menggunakan GLCM dan Backpropagation. Jurnal Sains Manajemen Informatika Dan Komputer, 20(2), 139–146. https://ojs.trigunadharma.ac.id/

Febriansyah, F., Asti Dwiyanti, Z., Firdaus, D., & Informatika, T. (2023). Deteksi Serangan Low Rate DDoS pada Jaringan Tradisional menggunakan Algoritma Decision Tree (Vol. 6, Issue 1). https://glints.com/id/lowongan/decision-tree-adalah/

Hafidz, N., & Yanti Liliana, D. (2021). Klasifikasi Sentimen pada Twitter Terhadap WHO Terkait Covid-19 Menggunakan SVM, N-Gram, PSO. Jurnal RESTI (Rekayasa Sistem Dan Teknologi Informasi), 5(2), 213–219. https://doi.org/10.29207/resti.v5i2.2960

Handayani, S., Zuhdi, A., & Shofiati, R. (2022). Implementation of Grey Level Co-Occurrence Matrix (GLCM) and Support Vector Machine.

Hikmayanti Handayani, H., Madenda, S., Prasetyo Wibowo, E., Maulana Kusuma, T., Widiyanto, S., & Fitri Nur Masruriyah, A. (2020, November 3). The best classification algorithm for identification beef quality based on marbling. 2020 5th International Conference on Informatics and Computing, ICIC 2020. https://doi.org/10.1109/ICIC50835.2020.9288624

Kementerian Pertanian Republik Indonesia. (2023). Outlook Daging Sapi 2023. https://satudata.pertanian.go.id/datasets/publikasi

Kurniawan, T., & Jajuli, M. (2022). Clustering Data Kecelakaan Lalu Lintas di Kecamatan Cileungsi Menggunakan

Metode K-Means. In Januari 2022 Generation Journal (Vol. 6, Issue 1).

Muhammad Al-Jabbar, H., Fitriyah, H., & Maulana, R. (2021). Sistem Klasifikasi Kesegaran Daging Sapi berdasarkan Citra menggunakan Metode Naïve Bayes berbasis Raspberry Pi (Vol. 5, Issue 4). http://j-ptiik.ub.ac.id

Muriyatmoko, D., Musthafa, A., & Wijaya, M. H. (2024). Klasifikasi Profil Kelulusan Nilai AKPAM Dengan Metode Decision Tree C4.5.

Prabowo, A., Erwanto, D., & Rahayu, P. N. (2021). Klasifikasi Kesegaran Daging Sapi Menggunakan Metode Ekstraksi Tekstur GLCM dan KNN Freshness Classification of Beef Using GLCM Texture Extraction Method and KNN. In JEC (Vol. 7, Issue 1).

Romindo, R., Barus, O. P., & Pangaribuan, J. J. (2024). Implementasi Metode Naive Bayes Classifier Terhadap Klasifikasi Topik Kemacetan Lalu Lintas Indonesia Melalui Tweet. Jurnal Media Informatika Budidarma, 8(2), 1087. https://doi.org/10.30865/mib.v8i2.7470

Santoso, F., & Hartati, E. (2022). Penggunaan Algoritma Random Forest Dalam Klasifikasi Buah Segar Dan Busuk. 3(1), 133–140. https://doi.org/10.35957/algoritme.xxxx

Savitri Puspaningrum, A., & Ari Aldino, A. (2021). Perbandingan Hasil Klasifikasi Jenis Daging Menggunakan Ekstraksi Ciri Tekstur Gray Level Co-occurrence Matrices (GLCM) Dan Local Binary Pattern (LBP). 5.

Siregar, R. S. (2018). Analisis Faktor-Faktor Yang Mempengaruhi Perilaku Konsumen Dalam Membeli Daging Sapi (Studi Kasus : Di Pasar Petisah Kecamatan Medan Petisah Kota Medan) (Vol. 01).

Suarisman, A., Nazir, A., Syafria, F., & Afriyanti, L. (2023). Perbandingan Jarak Metrik pada Klasifikasi Jamur Beracun Menggunakan Algoritma K-Nearest Neighbor (K-NN). Journal of Computer System and Informatics (JoSYC), 5(1), 10–19. https://doi.org/10.47065/josyc.v5i1.4511

Tirtana, A., & Irawan, R. S. (2024). Implementasi Convolutional Neural Network dengan Arsitektur MobileNetV2 Untuk Pengklasifikasi Kesegeran Daging. 8(1), 41–47. http://e-journal.unipma.ac.id/index.php/doubleclick

Trivusi. (2022, September 17). Algoritma Random Forest: Pengertian dan Kegunaannya. https://www.trivusi.web.id/2022/08/algoritma-random-forest.html

Ullu, H. H., Baso, B., Risald, R., Manek, P. G., & Chrisinta, D. (2022). Ektraksi Fitur Berbasis Tekstur Pada Citra Tenun Timor Menggunakan Metode Gray Level Co-occurrence Matrix (GLCM). Journal of Information and Technology, 2(2), 70–74. https://doi.org/10.32938/jitu.v2i2.3245

Umair, M., & Susanto, E. R. (2024). Analisis Sentimen Ulasan Pengguna Pada Aplikasi BRImo BRI Menggunakan Metode Klasifikasi Algoritma Naive Bayes. Jurnal Media Informatika Budidarma, 8(2), 1149. https://doi.org/10.30865/mib.v8i2.7381

Yulian Pamuji, F., & Puspaning Ramadhan, V. (2021). Komparasi Algoritma Random Forest Dan Decision Tree Untuk Memprediksi Keberhasilan Immunotheraphy. 7, 46–50. http://http://jurnal.unmer.ac.id/index.php/jtmi

DOI: https://doi.org/10.26760/mindjournal.v10i1.73-88