Penerapan Metode Naive Bayes untuk Deteksi Keaslian Daging Sapi berdasarkan Citra Daging Sapi
DOI:
https://doi.org/10.31004/riggs.v4i3.2254Keywords:
Citra Digital, Deteksi Keaslian Daging Sapi, GLCM, HSV, Naïve BayesAbstract
Penelitian ini bertujuan untuk mengembangkan model deteksi keaslian daging sapi berbasis citra digital menggunakan algoritma Naïve Bayes dengan integrasi fitur warna dan tekstur. Dataset terdiri dari 600 citra daging sapi yang terbagi seimbang antara kelas 0 (grade standar) dan kelas 1 (grade premium), dengan 50 dimensi fitur hasil ekstraksi menggunakan ruang warna RGB dan HSV untuk fitur warna, serta Gray Level Co-occurrence Matrix (GLCM) untuk fitur tekstur. Data dibagi dengan proporsi 80% untuk pelatihan dan 20% untuk pengujian. Hasil evaluasi dari sepuluh kali pengujian menunjukkan akurasi rata-rata 81,83% ± 4,01%, precision 78,26% ± 4,07%, recall 88,50% ± 5,80%, dan F1-score 82,94% ± 3,78%. Confusion matrix mengungkap bahwa model memiliki sensitivitas tinggi dalam mengidentifikasi daging asli (88,5%) dan specificity moderat dalam mendeteksi daging palsu (75,2%). Temuan ini membuktikan bahwa metode Naïve Bayes dengan kombinasi fitur warna dan tekstur efektif digunakan untuk deteksi keaslian daging sapi, sehingga berpotensi diimplementasikan pada sistem pendukung pengawasan mutu di pasar tradisional maupun industri pangan.
Downloads
References
A. Rahmawati, A. A. Safitri, A. S. Yogaswara, and B. K. Mutaqin, “Pemetaan Kondisi Pemerataan Pemenuhan Gizi Sumber Protein Hewani (Studi kasus di Dusun Cidawung Desa Margacinta Pangandaran) Mapping of Conditions of Equal Distribution of Animal Protein Source Nutrition Fulfillment (Case Study in Cidawung Hamlet, Margacinta Village, Pangandaran),” Farmers: Journal of Community Services, vol. 6, no. 1, 2025, doi: 10.24198/fjcs.v6i1.6.
F. Wahab and Moh. Ihsan, “PERLINDUNGAN KONSUMEN DALAM INDUSTRI HALAL: TINJAUAN UU NO. 8 TAHUN 1999 DARI PERSPEKTIF HUKUM ISLAM,” Journal of Islamic Finance and Syariah Banking, vol. 2, no. 1, 2024, doi: 10.63321/jifsb.v2i1.57.
A. R. Hakim, H. Haris, and S. Akil, “Potensi Pengolahan Salami (Sosis Fermentasi) Daging Kambing,” Jurnal Ilmiah Pangan Halal, vol. 5, no. 1, pp. 38–41, Apr. 2023, doi: 10.30997/jiph.v5i1.10002.
N. Muthmainna Basma, N. Syamsi Dhuha, F. Yenny Nonci, R. Anggraeni, and Rusny, “Studi Literatur Perbandingan Metode GC-MS (Gas Chromatography-Mass Spectrometry) dan HPLC (High-Performance Liquid Chromatography) dalam Identifikasi Kandungan Lemak Babi pada Produk Olahan Daging,” RITMA, vol. 1, no. 2, pp. 22–29, 2023.
F. S. Nurrusyda et al., “Deteksi Kontaminasi Babi pada Olahan Daging dengan Metode Polymerase Chain Reaction (PCR),” Kimia Padjadjaran, vol. 1, no. 2, pp. 95–101, 2023.
A. Gafari and A. Ramadhanu, “KLASIFIKASI CITRA DIGITAL BATU KERIKIL DAN BATU KALI DENGAN METODE K-MEANS DAN TEKNIK PENGOLAHAN CITRA,” Jurnal Mahasiswa Teknik Informatika, vol. 9, no. 2, 2025, doi: 10.36040/jati.v9i2.13170.
P. Rivaldiknas Gampar and F. Marisa, “PERBANDINGAN KINERJA METODE KLASIFIKASI CITRA SALIVA FERNING UNTUK DETEKSI MASA SUBUR BERBASIS MACHINE LEARNING,” Jurnal Mahasiswa Teknik Informatika, vol. 8, no. 6, 2024.
W. I. Sabilla, M. A. Putra Perkasa, and D. W. Wibowo, “SISTEM PENDETEKSI KUALITAS DAGING SEGAR DENGAN METODE NAIVE BAYES,” JIP (Jurnal Informatika Polinema), vol. 10, no. 2, 2024, doi: 10.33795/jip.v10i2.5006.
K. E. Purnama, C. Rozikin, and A. A. Ridha, “ANALISIS FORENSIC CITRA DIGITAL MENGGUNAKAN TEKNIK ERROR LEVEL ANALYSIS DAN METADATA BERDASARKAN METODE NIST,” Jurnal Mahasiswa Teknik Informatika, vol. 7, no. 2, 2023, doi: 10.36040/jati.v7i2.6660.
T. Hidayat, “IDENTIFIKASI MORFOLOGI CITRA DAGING MENGGUNAKAN TEKNIK PENGOLAHAN CITRA DIGITAL,” Jurnal Mahasiswa Teknik Informatika, vol. 9, no. 1, 2025, doi: 10.36040/jati.v9i1.12285.
A. N. Rahmawati, “Sistem Klasifikasi Kualitas Daging Sapi Berdasarkan Warna dan Gas Amonia Menggunakan Jaringan Saraf Tiruan,” JPTIIK, vol. 8, no. 8, Aug. 2024, [Online]. Available: http://j-ptiik.ub.ac.id
R. Vannya and A. Hermawan, “Performance Analysis of Chicken Freshness classification using Naïve Bayes, Decision Tree, and k-NN,” Jurnal Sisfokom (Sistem Informasi dan Komputer), vol. 12, no. 3, pp. 394–400, Nov. 2023, doi: 10.32736/sisfokom.v12i3.1740.
A. Septiarini, R. Saputra, A. Tejawati, and M. Wati, “Deteksi Sarung Samarinda Menggunakan Metode Naive Bayes Berbasis Pengolahan Citra,” Jurnal RESTI, vol. 5, no. 5, pp. 927–935, Oct. 2021, doi: 10.29207/resti.v5i5.3435.
M. Muchtar, Y. P. Pasrun, R. Rasyid, N. Miftachurohmah, and M. Mardiawati, “PENERAPAN METODE NAÏVE BAYES DALAM KLASIFIKASI KESEGARAN IKAN BERDASARKAN WARNA PADA CITRA AREA MATA,” Jurnal Informatika dan Teknik Elektro Terapan, vol. 12, no. 1, Jan. 2024, doi: 10.23960/jitet.v12i1.3879.
P. Laksono, Harliana, and T. Prabowo, “Deteksi Tumor Otak Melalui Penerapan GLCM dan Naïve Bayes Classification Brain Tumor Detection Based On GLCM Algorithm and Naïve Bayes Classification,” Jurnal Ilmiah Intech : Information Technology Journal of UMUS, vol. 5, no. 1, May 2023, doi: 10.46772/intech.v5i1.1286.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 Dinar Auranisa Moonap, Aang Alim Murtopo, Erni Unggul Sedya Utami

This work is licensed under a Creative Commons Attribution 4.0 International License.


















