<![CDATA[Abstrak Susu sapi merupakan bahan pangan yang memiliki gizi tinggi, kandungan protein dan zat gizi lainnya berguna untuk kesehatan. Susu sapi dikonsumsi oleh berbagai kalangan, kalangan bawah, menengah, dan atas. Susu sapi memiliki tekstur yang cair memungkinkan untuk dicampur dengan air, sehingga meningkatka volume dan keuntungan bagi penjualnya. Karenanya, maka diperlukan program untuk mendeteksi kemurnian susu sapi berdasarkan jumlah campuran dalam persentase yang terkandung didalam suus tersebut. Pada penelitian ini, telah dilakukan simulasi dan analisis deteksi kualitas kemurnian susu sapi melalui proses citra digital berdasarkan metode Adaptive Region Growing (ARG) dan klasifikasi Learning Vector Quantization (LVQ) dengan menggunakan software simulator. Langkah pengerjaan nya yaitu mengambil sampel susu yang sudah diolah dengan proses pasteurisasi berdasarkan campuran air yang berbeda. Kemudian dari hasil sampel tersebut akan dilakukan tahap pre-processing untuk meningkatkan kualitas dari citra masukan yang diperolah untuk tahap ekstraksi ciri. Setelah melakukan beberapa skenario pengujian terhadap sistem identifikasi kemurnian susu sapi, didapatkan hasil akurasi tertinggi mencapai 100% dengan waktu komputasi 6.113 detik. Kata kunci: Susu Sapi, Image Processing, Adaptive Region Growing , Learning Vector Quantization Abstract Cow's milk is a food that has high nutrition, protein content and other nutrients are useful for health. Cow's milk is consumed by various circles, the lower, middle, and upper. Cow's milk has a liquid texture that allows it to be mixed with water, thereby increasing the volume and profit for the seller. Therefore, the program is required to detect the purity of cow's milk based on the number of blends in the percentage contained in the Suus. In this research, simulation and analysis have been conducted by the quality of cow milk purity through a digital image process based on the method Adaptive Region Growing (ARG) and the classification of Learning Vector Quantization (LVQ) using software Simulator. The working step is to take samples of milk that has been processed by pasteurization process based on different water mixture. Then from the results of the sample will be done pre-processing stage to improve the quality of the input image that is required for the extraction stage feature. After conducting several testing scenarios on the cow’s milk purity Identification system, the highest accuracy result reaches 100% with a compute time of 6,113 seconds. Keywords: Cow’s milk, Image Processing, Adaptive Region Growing, Learning Vector Quantization 1. Pendahuluan Susu memiliki kandungan nutrisi tinggi yang baik untuk dikonsumsi sebagai salah satu sumber protein hewani. Saat ini kesadaran masyarakat untuk mengkonsumsi bahan pangan bergizi khususnya makin meningkat. Oleh karena itu, beberapa produsen memiliki ide untuk mendapatkan keuntungan lebih dengan berbuat curang. Pada umumnya produsen susu akan mencampurkan susu murni dengan air sehingga pada saat mereka mencampurkan dengan air maka akan mendapatkan keuntungan yang lebih. Harga susu sapi murni dijual di pasaran dengan harga Rp. 6000,-/liter, jika para produsen susu sapi mencampur dengan 20% air maka perkiraan keuntungan produsen dapat meningkat hingga Rp. 1200,-/liter. Hal tersebut tentunya akan mengurangi kualitas kemurnian dan nutrisi yang terkandung didalamnya karena air tidak menambahkan nutrisi pada susu. Sebenarnya masyarakat dapat mengetahui bahwa susu tersebut sudah tercampur atau tidak bisa dilihat dari warna dan kekentalan, namun cara tersebut masih belum akurat sehingga sudah selayaknya ditemukan suatu cara pemecahan masalah melalui identifikasi kemurnian susu sapi ISSN : 2355-9365 e-Proceeding of Engineering : Vol.6, No.2 Agustus 2019 | Page 3822 2 Pada jurnal ini penulis mengimplementasikan sistem identifikasi kemurnian susu sapi menggunakan metode Adaptive Region Growing, dan klasifikasi Learning Vector Quantization.]]>
