Klasifikasi Tingkat Kesegaran Daging Sapi Menggunakan Algoritma Extreme Learning Machine Berbasis Android

Abstract

The need for beef keeps increasing every year along with the increase-in the population of Indonesia. Besides, the amount of demand for local beef will soar up, especially during big holidays such as Ramadan and Eid al-Fitr. However, this is inversely proportional to the volume of local beef production. This causes the selling price of beef in the market to get higher and also makes some traders cheat to get profit, one of which is by selling beef that is not suitable for consumption, such as rotten beef. So far, to distinguish fresh beef from beef that is not suitable for consumption can be seen from the color, moisture content, and the smell. However, this method is not necessarily accurate. To overcome this issue, this study uses a digital image processing method, namely an extreme learning machine algorithm to help people determining the level of freshness of the beef. Image processing techniques used in this study are cropping, resizing, and contrast. Also, this study uses two feature extractions, color moments as color-feature extraction and gray level co-occurrence matrix (GLCM) as texture-feature extraction. In this study, there are three classes, namely fresh beef, less fresh beef, and rotten beef / unfit for consumption. The data used are 570 images which are divided into 399 images as training data and 171 images as testing data. After being tested, we can conclude that the method used in this study has been able to classify 3 levels of beef freshness correctly and the obtained accuracy is 88,3%.

Kebutuhan daging sapi terus melambung tinggi dari tahun ke tahun sejalan dengan pertambahan jumlah penduduk Indonesia yang semakin tinggi pula. Selain itu, permintaan daging sapi lokal akan melonjak naik terutama pada hari-hari besar seperti saat Ramadhan dan hari raya Idul Fitri. Namun, hal ini berbanding terbalik dengan volume daging sapi lokal yang dapat diproduksi. Hal ini mengakibatkan tingginya harga jual daging sapi di pasar dan mengakibatkan beberapa oknum pedagang melakukan kecurangan untuk memperoleh keuntungan, salah satunya yaitu menjual daging yang tidak layak dikonsumsi seperti daging busuk. Selama ini untuk membedakan daging segar dan daging yang tidak layak dikonsumsi dapat dilihat dari warna, kadar air, bau daging. Namun, cara tersebut belum tentu akurat. Untuk mengatasi hal tersebut, penelitian ini menggunakan metode pengolahan citra digital yaitu algoritma extreme learning machine untuk membantu masyarakat untuk mengetahui tingkat kesegaran daging. Teknik pengolahan citra yang digunakan pada penelitian ini antara lain cropping, resizing, dan contrast. Selain itu, pada penelitian ini digunakan dua ekstraksi fitur, yaitu color moments sebagai ekstraksi fitur warna dan gray level coocurrence matrix (GLCM) sebagai ekstraksi fitur tekstur. Pada penelitian ini terdapat tiga kelas yaitu daging segar, daging kurang segar, serta daging busuk/tidak layak konsumsi. Data yang digunakan yaitu sebanyak 570 citra secara keseluruhan dan dibagi menjadi data latih sebanyak 399 citra dan data uji sebanyak 171 citra. Setelah dilakukan pengujian, dapat ditarik kesimpulan bahwa metode yang digunakan dalam penelitian ini sudah mampu mengklasifikasikan 3 tingkat kesegaran daging sapi dengan cukup baik dan memperoleh akurasi sebesar 88,3%.