PARHUSIP, ALDI and Hayaty, Nurul and Pertiwi, Marisha (2026) KLASIFIKASI KESEGARAN DAGING AYAM DENGAN EKSTRAKSI LBP DAN GLCM MENGGUNAKAN ALGORITMA NAIVE BAYES. S1 thesis, Universitas Maritim Raja Ali Haji.

	Text (COVER) ALDI_ALFA_JEREMY_NAINGGOLAN_PARHUSIP_190155201026_TEKNIK INFORMATIKA_COVER.pdf - Published Version Download (586kB)
	Text (ABSTRAK) ALDI_ALFA_JEREMY_NAINGGOLAN_PARHUSIP_190155201026_TEKNIK INFORMATIKA_ABSTRAK.pdf - Published Version Download (122kB)
	Text (BAB I) ALDI_ALFA_JEREMY_NAINGGOLAN_PARHUSIP_190155201026_TEKNIK INFORMATIKA_BAB I.pdf - Published Version Download (192kB)
	Text (DAFTAR PUSTAKA) ALDI_ALFA_JEREMY_NAINGGOLAN_PARHUSIP_190155201026_TEKNIK INFORMATIKA_DAFTAR PUSTAKA.pdf - Published Version Download (200kB)
	Text (FULL TEKS) ALDI_ALFA_JEREMY_NAINGGOLAN_PARHUSIP_190155201026_TEKNIK INFORMATIKA_FULL TEKS.pdf - Published Version Restricted to Repository staff only Download (2MB) | Request a copy

Abstract

Daging ayam cukup populer untuk dikonsumsi oleh masyarakat Indonesia, namun masyarakat masih kesulitan untuk mengetahui tingkat kesegaran daging ayam karena masih dilakukan secara manual. Oleh karena itu dibutuhkan suatu sistem yang mampu mengidentifikasi tingkat kesegaran daging ayam secara otomatis berdasarkan karakteristik teksturnya. Penelitian ini bertujuan untuk membandingkan performa antara metode Local Binnary Pattern (LBP) dan Gray Level Co-occurrence Matrix (GLCM) dalam mengklasifikasi tingkat kesegaran daging ayam menggunakan algoritma Naïve Bayes. Dataset terdiri dari 288 citra daging ayam broiler bagian dada yang terbagi dalam tiga kelas, yaitu daging ayam segar, daging ayam kurang segar, dan daging ayam busuk. Dataset dibagi menjadi 228 citra latih dan 60 citra uji. Tahapan penelitian meliputi akuisisi citra, praproses citra, augmentasi citra, ekstraksi fitur menggunakan LBP dan GLCM, kemudian proses klasifikasi menggunakan algoritma Naïve Bayes. Performa sistem dievaluasi menggunakan Confusion Matrix menggunakan metrik accuracy, precision, recall, dan f1-score. Hasil penelitian menunjukkan bahwa metode GLCM mampu menghasilkan performa klasifikasi yang lebih tinggi dibandingkan metode LBP. Dimana metode GLCM memperoleh nilai accuracy sebesar 63,33% sedangkan metode LBP hanya memperoleh nilai accuracy sebesar 30%. Untuk nilai rata-rata precision, rata-rata recall, dan rata-rata f1-score yang dihasilkan metode GLCM juga lebih baik dibandingkan metode LBP.

Actions (login required)

View Item