Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Fadhlillah, Muhammad Rif'at
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Klasifikasi Level Kualitas Susu Berbasis Citra Digital Menggunakan DenseNet121 dan SVM pada Aplikasi Mobile Android Fadhlillah, Muhammad Rif'at; Utaminingrum, Fitri
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 9 (2026): September 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penurunan kualitas susu sapi akibat penyimpanan seringkali sulit dideteksi secara cepat tanpa pengujian laboratorium yang memakan waktu. Mengatasi kendala tersebut, penelitian ini mengusulkan sebuah sistem klasifikasi level kualitas susu secara bertingkat (Level 0 hingga 6) berbasis citra digital cawan petri dengan campuran pewarna indikator pH Bromocresol Purple (BCP) yang diimplementasikan pada perangkat mobile Android. Arsitektur DenseNet121 dialihfungsikan sebagai ekstraktor fitur untuk menangkap pola perubahan warna, sedangkan SVM digunakan sebagai algoritma pengklasifikasi. Guna mengoptimalkan performa klasifikasi, metode Bayesian Optimization diterapkan untuk penyesuaian parameter (C dan Gamma) serta seleksi fitur melalui SelectKBest. Pengujian dilakukan dengan membandingkan SVM terhadap berbagai model machine learning lainnya (KNN, Decision Tree, Random Forest, XGBoost). Hasil evaluasi menunjukkan bahwa kombinasi ekstraksi fitur DenseNet121 dan SVM mencapai akurasi tertinggi sebesar 73,94%, yang kemudian meningkat menjadi 75,35% pasca optimasi Bayesian menggunakan 186 fitur terbaik. Berdasarkan perhitungan skor efisiensi yang menyeimbangkan tingkat akurasi, ukuran memori, dan latensi inferensi, model SVM divalidasi sebagai spesifikasi yang paling optimal, efisien, dan responsif. Sistem akhir berhasil ditanamkan secara on-device pada aplikasi Android untuk memungkinkan peternak melakukan diagnosis kelayakan susu secara real-time di lapangan.
Co-Authors Utaminingrum, Fitri