<![CDATA[Abstrak Susu sapi merupakan zat pelengkap yang kaya akan nutrisi, diantaranya protein, lemak, vitamin, mineral dan karbohidrat. Tekstur yang cair dan berwana putih menjadi ciri khas. Sering dijumpai berbagai macam tempat mulai dari penjual pinggiran maupun di super market susu sapi dijual, akan tetapi banyak penjual yang mencampur dengan menambahkan air, pewarna dan pemanis buatan demi mendapat keuntungan yang lebih, sehingga kandungan gizi dan kualitas kesegarannya tidak sempurna lagi. Pada permasalahan yang ada sukar bila bukan ahlinya untuk membedakan kemurnian susu sapi, biasanya konsumen hanya dapat mengenali melalui indra penglihatan dan penciuman. Dalam Tugas Akhir, dirancang suatu sistem untuk mempermudah konsumen mengetahui kemurnian susu sapi dengan campuran air menggunakan software Matrix Laboratory (MATLAB) melalui pengolahan citra digital. metode ekstraksi ciri yang digunakan adalah Gray Level Co-Occurrence Matrix (GLCM) dan Local Binary Pattern (LBP) serta metode klasifikasi adalah K-Nearest Neighbor (K-NN). Dari hasil pengujian sistem menggunakan metode GLCM didapatkan akurasi sebesari 100% dan waktu komputasi 0,7777 detik. Sedangkan menggunakan metode LBP didapatkan akurasi sebesar 97,5% dan waktu komputasi 0,7722 detik. Kata kunci : Susu sapi, Gray Level Co-Occurrence Matrix, Local Binary Pattern, K-Nearest Neighbor Abstract Cow’s Milk is a complementary substance in food, which has a lot nutrition such as proteins, fats, vitamins, minerals and carbohydrates. The characteristic is liquid and white colored. It can found anywhere, from small traders untill the supermarkets. But some of the sellers mix and add water, dyes, and artificial sweeteners to get more profit, so it reduce the milk’s nutrition and the freshness. The problem is it diffcult to know the freshness level of milk if not by the expert, the only way the consumer to know the freshness level by sight and smell. In this Final Assignment, a sistem created to help consumer know the cow milk freshness level by using Matrix Laboratory Software (MATLAB) using image processing method. The feature extraction by using Gral Level Occurrence Matrix (GLCM) method and Local Binary Pattern (LBP) method and classified by K-Nearest Neighbor (K-NN). From the results of system testing using GLCM method obtained 100% accuracy and computation time 0.7777 second, While using the LBP method obtained accuracy of 97.5% and computing time 0.7722 second. Keywords: Cow’s Milk, Gray Level Co-Occurrence Matrix, Local Binary Pattern, K-Nearest Neighbor]]>
Copyrights © 2018
