Penerapan SVM Berbasis GLCM Dan HSV Untuk Identifikasi Kesegaran Daging

Abstract

Kesegaran daging sapi sangat menentukan nilai gizi dan keamanan konsumsi karena potensi kontaminasi bakteri seperti Salmonella sp. yang dapat menyebabkan keracunan. Identifikasi manual kesegaran daging kerap subjektif dan rentan kesalahan. Penelitian ini bertujuan mengembangkan sistem otomatis untuk mengidentifikasi kesegaran daging sapi menggunakan metode Support Vector Machine (SVM) dengan fitur ekstraksi Gray Level Co-Occurrence Matrix (GLCM) dan Hue Saturation Value (HSV). Dataset terdiri dari 400 citra daging sapi, terbagi atas 150 data latih dan 50 data uji untuk masing-masing kategori segar dan tidak segar. Proses ekstraksi menghasilkan vektor fitur yang digunakan untuk membangun model klasifikasi SVM. Sistem diuji dengan 10 citra uji, menghasilkan akurasi sebesar 90%. Temuan ini menunjukkan bahwa kombinasi fitur GLCM dan HSV secara efektif dapat menangkap perbedaan tekstur dan warna pada daging segar dan tidak segar, dan SVM mampu mengklasifikasikannya secara akurat. Hasil ini memberikan kontribusi signifikan dalam pengembangan sistem pengenalan citra untuk keamanan pangan, khususnya dalam mengidentifikasi kualitas daging secara otomatis dan cepat. Implikasi praktis dari penelitian ini adalah menyediakan solusi efisien bagi konsumen dan pelaku industri dalam memastikan kesegaran daging, serta potensi untuk diterapkan pada produk pangan lainnya melalui perluasan dataset dan pengujian lebih lanjut.