Deteksi Kualitas Kemurnian Susu Sapi Melalui Pengolahan Citra Digital Menggunakan Metode Active Contour Dengan Klasifikasi K-nearest Neighbor

Abstract

Abstrak Susu merupakan salah satu bahan pangan yang mengandung nutrisi tinggi sebagai sumben protein hewani. Susu mengandung 88% air dengan bahan kering 12% meliputi lemak, protein, mineral, dan karbohidrat. Susu sapi baik dikonsumsi oleh semua kalangan dari balita, remaja, dewasa, hingga lanjut usia karena kandungan gizi, tekstur, rasa dan manfaatnya. Tidak jarang penjual susu memanfaatkan kondisi tersebut untuk meraup keuntungan tinggi dengan mencampurkan air atau bahan lainnya. Sampai saat ini konsumen tidak menyadari adanya campuran dalam susu yang dikonsumsi. Dari permasalahan tersebut, Tugas Akhir ini merancang sistem untuk mendeteksi adanya campuran dalam susu melalui pengolahan citra digital menggunakan metode Active Contour dengan klasifikasi KNearest Neighbor (KNN). Perancangan sistem menggunakan software, dan bertujuan untuk mempermudah deteksi tingkat kemurnian susu yang akan dikonsumsi. Data yang digunakan sebanyak 500 citra dengan 300 citra sebagai data latih dan 200 citra sebagai data uji. Tingkat kemurnian susu dibagi menjadi 5 kelas yaitu 20%, 40%, 60%, 80%, dan 100% dengan bahan campuran air. Penelitian ini menghasilkan akurasi sistem terbaik menggunakan jenis klasifikasi City block sebesar 100% dengan waktu komputasi yaitu 322.25 detik. Hasil ini diperoleh dari parameter nilai K=5, ukuran gambar 512×512 piksel, dan iterasi 500. Kata kunci: Image processing, Active Contour, K-Nearest Neighbor Abstract Milk is one of the foodstuffs containing high nutrition as a component of animal protein. Milk contains 88% water with 12% dry ingredients including fat, protein, minerals, and carbohydrates. Cow’s milk is good to be consumed by all people from toddlers, teenagers, adults, to the elderly because of its nutritional content, texture, taste and benefits. It is not uncommon for milk sellers to take advantage of these conditions to reap high profits by mixing water or other ingredients. Until now consumers were not aware of any mixture in milk consumed. From these problems, this Final Project designs a system to detect the presence of mixtures in milk through digital image processing using the Active Contour method with the classification of K-Nearest Neighbor (KNN). The system design uses software, and aims to facilitate the detection of the level of purity of milk to be consumed. The data used were 500 images with 300 images as training data and 200 images as test data. The level of purity of milk is divided into 5 classes namely 20%, 40%, 60%, 80%, and 100% with a mixture of water. This research produces the best system accuracy using the City block classification type by 100% with a computational time 322.25 seconds. These results are obtained from parameters K = 5, image size 512 × 512 pixels, and iteration 500. Keywords: Image processing, Active Contour, K-Nearest Neighbor