Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Multitek Indonesia : Jurnal Ilmiah
andoko, aisyah fadilah
Unknown Affiliation
Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
DETEKSI KUALITAS SUSU SAPI MURNI BERDASARKAN WARNA, TINGKAT KEASAMAN dan KANDUNGAN GAS MENGGUNAKAN METODE K-NEARS NEIGHBOR dan DECISION TREE andoko, aisyah fadilah
MULTITEK INDONESIA Vol 18, No 1 (2024): Juli
Publisher : Universitas Muhammadiyah Ponorogo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24269/mtkind.v18i1.8729

Abstract

 Susu sapi memiliki kandungan nutrisi yang baik untuk dikonsumsi. Susu sapi memiliki tekstur yang lembut, kental serta berwarna putih bersih. Tingkat kesegaran susu ditentukan setelah susu tersebut diambil. Kualitas Susu sapi menjadi tolak ukur menentukan kualitas susu sapi yang dipilih konsumen. Sebab ada berita memaparkan bahwa sering terjadinya keracunan pada anak kecil akibat mengkonsumsi susu yang sudah tidak layak. Dengan adanya permasalahan tersebut penelitian ini bertujuan membantu konsumen menentukan susu sapi yang baik. Dalam menentukan kualitas susu sapi pada penelitian ini menggunakan Sensor pH untuk mendeteksi tingkat keasamannya, Sensor Gas pendeteksi kandungan gas, serta Kamera sebagai pendeteksi perubahan warna. Hasil dari nilai tersebut diolah menggunakan  metode K-Nears Neigbor dan Decision Tree untuk menentukan kualitas dari susu sapi murni. Dimana pada metode  K-Nears Neigbor sebagai penentu kualitas warna susu serta metode Decision Tree sebagai penentu akhir kualitas susu apakah ba ik atau buruk konsumsi. Penelitian ini menghasilkan akurasi pengujian sensor berdasarkan metode K-Nears Neigbor untuk klasifikasi warna susu sapi yaitu warna susu yang berwarna putih 88,6% dan akurasi warna putih kekuningan 96,2%. Sedangkan hasil pengujian kualitas susu sapi berdasarkan metode decision tree menghasilkan  akurasi kualitas susu sapi yang baik 86% dan akurasi pada kualitas susu sapi yang buruk 84%.
DETEKSI KUALITAS SUSU SAPI MURNI BERDASARKAN WARNA, TINGKAT KEASAMAN dan KANDUNGAN GAS MENGGUNAKAN METODE K-NEARS NEIGHBOR dan DECISION TREE andoko, aisyah fadilah
MULTITEK INDONESIA Vol 18 No 1 (2024): Juli
Publisher : Universitas Muhammadiyah Ponorogo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24269/mtkind.v18i1.8729

Abstract

 Susu sapi memiliki kandungan nutrisi yang baik untuk dikonsumsi. Susu sapi memiliki tekstur yang lembut, kental serta berwarna putih bersih. Tingkat kesegaran susu ditentukan setelah susu tersebut diambil. Kualitas Susu sapi menjadi tolak ukur menentukan kualitas susu sapi yang dipilih konsumen. Sebab ada berita memaparkan bahwa sering terjadinya keracunan pada anak kecil akibat mengkonsumsi susu yang sudah tidak layak. Dengan adanya permasalahan tersebut penelitian ini bertujuan membantu konsumen menentukan susu sapi yang baik. Dalam menentukan kualitas susu sapi pada penelitian ini menggunakan Sensor pH untuk mendeteksi tingkat keasamannya, Sensor Gas pendeteksi kandungan gas, serta Kamera sebagai pendeteksi perubahan warna. Hasil dari nilai tersebut diolah menggunakan  metode K-Nears Neigbor dan Decision Tree untuk menentukan kualitas dari susu sapi murni. Dimana pada metode  K-Nears Neigbor sebagai penentu kualitas warna susu serta metode Decision Tree sebagai penentu akhir kualitas susu apakah ba ik atau buruk konsumsi. Penelitian ini menghasilkan akurasi pengujian sensor berdasarkan metode K-Nears Neigbor untuk klasifikasi warna susu sapi yaitu warna susu yang berwarna putih 88,6% dan akurasi warna putih kekuningan 96,2%. Sedangkan hasil pengujian kualitas susu sapi berdasarkan metode decision tree menghasilkan  akurasi kualitas susu sapi yang baik 86% dan akurasi pada kualitas susu sapi yang buruk 84%.
Co-Authors