<![CDATA[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.]]>
Copyrights © 2026
