<![CDATA[Penjaminan mutu susu merupakan aspek penting dalam rantai pasok produk susu, terutama untuk memastikan keamanan dan kualitas konsumsi. Namun, di tingkat peternak kecil, implementasinya masih menghadapi tantangan dalam konsistensi dan keterbatasan sumber daya. Metode Total Plate Count (TPC) yang umum digunakan membutuhkan waktu lama dan fasilitas khusus, sehingga tidak efisien untuk pemeriksaan cepat. Penelitian ini bertujuan mengembangkan sistem klasifikasi kualitas susu berbasis citra digital menggunakan metode Gray Level Co-occurrence Matrix (GLCM) dan Random Forest, serta diimplementasikan pada Raspberry Pi 4, sebagai alternatif praktis terhadap metode TPC. GLCM digunakan untuk mengekstraksi lima fitur tekstur dari citra susu, sedangkan Random Forest melakukan klasifikasi ke dalam tiga kelas: Baik, Rusak, dan Rusak Berat. Hasil pengujian menunjukkan bahwa konfigurasi terbaik dicapai dengan 100 pohon keputusan, jarak GLCM 4 piksel, dan sudut 135°, menghasilkan akurasi validasi 84,65%. Pada pengujian akhir terhadap 75 sampel, sistem mencapai akurasi 86,66%, dengan akurasi 100% untuk kelas Baik, serta 80% untuk Rusak dan Rusak Berat. Sistem terbukti efisien dengan rata-rata waktu pelatihan 0,2835 detik dan klasifikasi 0,6651 detik. Hasil ini menunjukkan bahwa sistem mampu melakukan deteksi kualitas susu secara cepat dan akurat, serta berpotensi menjadi alternatif praktis dari metode konvensional.]]>
Copyrights © 2025
