<![CDATA[Produksi daging sapi potong di Indonesia pada tahun 2024 mencapai angka yang cukup tinggi, yaitu 416,7 ribu ton. Dengan produksi daging sapi yang tinggi ini, diperlukan sebuah metode yang dapat memastikan kualitas daging yang akurat supaya memastikan kualitas daging sapi yang tetap terjaga. Penelitian ini bertujuan untuk mengatasi masalah dalam penilaian kesegaran daging sapi yang sering dilakukan secara manual. Metode manual memiliki akurasi yang rendah karena rentan terhadap bias kognitif. Penelitian ini mengusulkan penggunaan algoritma Decision Tree sebagai alternatif untuk algoritma K-Nearest Neighbors (K-NN) dalam mendeteksi kesegaran daging sapi berdasarkan analisis warna RGB dan konsentrasi gas amonia (NH3). Penelitian ini diimplementasikan pada mikrokontroler Arduino Nano ATMega328p untuk mengolah data dan melakukan klasifikasi. Hasil penelitian menunjukkan bahwa algoritma Decision Tree dapat menghemat konsumsi energi secara signifikan, dengan penggunaan daya hanya 1,2 μJ dibandingkan dengan 1110 μJ pada K-NN. Selain itu akurasi juga meningkat dari 85% (K-NN) menjadi 96% (Decision Tree).]]>
