<![CDATA[Protein hewani merupakan komponen penting dalam produk makanan yang mempengaruhi nilai gizi dan sifat organoleptik. Meningkatnya kebutuhan akan produk halal, vegetarian, dan vegan, deteksi protein hewani secara akurat menjadi semakin penting. Penelitian ini bertujuan untuk mengimplementasi algoritma SVM dalam klasifikasi jenis protein hewani sebagai alternatif metode tradisional yang memerlukan waktu dan biaya tinggi. Penelitian ini menggunakan 1.600 dataset protein hewani dari empat jenis hewan yaitu ayam, sapi, ayam kampung, dan babi diambil langsung menggunakan mesin Fourier Transform Infrared Spectroscopy (FTIR), pembagian dataset dilakukan dengan rasio 80% data training dan 20% data testing kemudian data diolah menggunakan platform Google Colab. Evaluasi dari kinerja model dilakukan dengan metrik akurasi, precision, recall, dan F1-score. Hasil dari pengujian menunjukkan model SVM mencapai akurasi 97,19%, untuk nilai precision, recall, dan F1-score berada pada rentang 95% hingga 100%, mengindikasikan algoritma SVM memiliki performa yang stabil, akurat, dan andal dalam mengklasifikasikan jenis protein hewani, serta memiliki peluang untuk penerapan machine learning lebih luas di bidang bioteknologi dan ilmu pangan.]]>
Copyrights © 2026
