Penerapan Algoritma Random Forest pada Klasifikasi Daging

UIN Sultan Syarif Kasim Riau

Penulis

  • Titis Yunita Purnomo, Febi Yanto, Fitri Insani, Siti Ramadhani, Jasril Universitas Islam Negeri Sultan Syarif Kasim

DOI:

https://doi.org/10.37030/jit.v6i1.107

Kata Kunci:

Daging babi, Daging Sapi, Hue Saturation Value, Local Binary Pattern, Random Forest.

Abstrak

Alqur’an dan Al-hadist merupakan pedoman hidup bagi umat muslim. Dalam Al-qur’an dan Al-hadist dijelaskan tentang larangan dari Allah untuk memakan makanan yang haram yaitu memakan daging babi. Penelitian ini dilakukan agar umat muslim dapat membedakan daging babi dan daging sapi karena para peagang daging berbuat curang dengan mengoplos daging babi dan sapi. Secara kasat mata daging sapi dan babi sulit dibedakan menyebabkan konsumen seringkali tertipu saat membeli daging sapi karena keterbatasan visual manusia. Berdasarkan masalah yang telah dijelaskan, maka dilakukan sebuah penelitian menggunakan pengolahan citra digital. Pada penelitian ini menggunakan metode HSV (Hue Saturation Value) untuk ciri warna, metode LBP (Local Binary Pattern) untuk ciri tekstur dan metode Random Forest untuk klasifikasi. Data yang digunakan yaitu data citra babi, oplosan dan sapi berjumlah 450 citra yang diperoleh dari data primer dan sekunder. Penelitian ini di implementasikan menggunakan bahasa pemrograman Python dan library OpenCV (Open-source Computer Vision) untuk mengklasifikasi daging babi, oplosan dan sapi. Pengujian dilakukan menggunakan black box dan pengujian akurasi sistem menggunakan confusion matrix. Pengujian akurasi menghasilkan akurasi pada metode Random Forest yaitu 78,22% dengan jumlah tree = 280, max depth = 10 dengan melakukan pembagian data menggunakan 10-kfold.

Referensi

bps.go.id, “Rata-Rata Konsumsi per Kapita Seminggu Beberapa Macam Bahan Makanan Penting, 2007-2019,” bps.go.id, 2020. .
[2] Wahyuningsih, “Pusat Data dan Sistem Informasi Pertanian Sekretariat Jenderal Kementerian Pertanian,” Bul. Konsumsi Pangan, vol. 09, no. 01, pp. 32–42, 2018.
[3] Nasrullah, Statistik Peternakan dan Kesehatan Hewan 2018/ Livestock and Animal Health Statistics 2018. Jakarta: Direktorat Jenderal Peternakan dan Kesehatan Hewan, 2018.
[4] Basito, B. Yudhistira, and D. A. Meriza, “Jurnal Teknologi dan Industri Pertanian Indonesia,” J. Teknol. dan Ind. Pertan. Indones., vol. 09, no. 01, pp. 10–16, 2018.
[5] J. M. Chaves-González, M. A. Vega-Rodríguez, J. A. Gómez-Pulido, and J. M. Sánchez-Pérez, “Detecting skin in face recognition systems: A colour spaces study,” Digit. Signal Process. A Rev. J., vol. 20, no. 3, pp. 806–823, 2010, doi: 10.1016/j.dsp.2009.10.008.
[6] S. Aygun and E. O. Gunes, “A benchmarking: Feature extraction and classification of agricultural textures using LBP, GLCM, RBO, Neural Networks, k-NN, and random forest,” 2017 6th Int. Conf. Agro-Geoinformatics, Agro-Geoinformatics 2017, 2017, doi: 10.1109/Agro-Geoinformatics.2017.8047000.
[7] E. Budianita, J. Jasril, and L. Handayani, “Implementasi Pengolahan Citra dan Klasifikasi K-Nearest Neighbour Untuk Membangun Aplikasi Pembeda Daging Sapi dan Babi Berbasis Web,” J. Sains dan Teknol. Ind., vol. 12, no. Vol 12, No 2 (2015): Juni 2015, pp. 242–247, 2015.
[8] N. Lihayati, R. E. Pawening, and M. Furqan, “Klasifikasi Jenis Daging Berdasarkan Tekstur Menggunakan Metode Gray Level Coocurent Matrix,” Pros. SENTIA, vol. 8, no. 1994, pp. 305–310, 2016.
[9] N. Neneng, K. Adi, and R. Isnanto, “Support Vector Machine Untuk Klasifikasi Citra Jenis Daging Berdasarkan Tekstur Menggunakan Ekstraksi Ciri Gray Level Co-Occurrence Matrices (GLCM),” J. Sist. Inf. Bisnis, vol. 6, no. 1, p. 1, 2016, doi: 10.21456/vol6iss1pp1-10.
[10] S. Hussain, N. A. Dahan, F. M. Ba-Alwib, and N. Ribata, “Educational data mining and analysis of students’ academic performance using WEKA,” Indones. J. Electr. Eng. Comput. Sci., vol. 9, no. 2, pp. 447–459, 2018, doi: 10.11591/ijeecs.v9.i2.pp447-459.
[11] B. Lowe and A. Kulkarni, “Multispectral Image Analysis Using Random Forest,” Int. J. Soft Comput., vol. 6, no. 1, pp. 1–14, 2015, doi: 10.5121/ijsc.2015.6101.
[12] N. Muna, F. L. Afriansyah, and A. B. Suprayogy, “Penerapan Algoritma Random Forest Untuk Identifikasi Dehidrasi Berbasis Citra Urine,” J. Inform. Polinema, vol. 6, no. 3, pp. 49–54, 2019.
[13] A. G. Putra and T. A. B. Wirayuda, “Klasifikasi Tulisan Tangan Berupa Angka Menggunakan Random Forest dan Histogram of Oriented Gradient,” e-Proceeding Eng., vol. 1, no. 1, pp. 738–744, 2014.
[14] C. Suhery and I. Ruslianto, “Identifikasi Wajah Manusia untuk Sistem Monitoring Kehadiran Perkuliahan menggunakan Ekstraksi Fitur Principal Component Analysis (PCA),” J. Edukasi dan Penelit. Inform., vol. 3, no. 1, p. 9, 2017, doi: 10.26418/jp.v3i1.19792.
[15] Syah Maulana Ramadhan; Siti Ramadhani; Tomi Z;, “Perancangan Website Masyarakat Peduli Sampah Kelurahan Ratu Sima,” J. Has. Penelit. dan Pengkaj. Ilm. Eksakta, vol. 01, no. 01, pp. 40–49, 2022.
[16] S. Andika and S. Ramadhani, “Rancang Bangun Sistem Informasi Pendayagunaan Aset Dinas Perkebunan Provinsi Riau,” J. Teknol. Dan Sist. Inf. Bisnis - JTEKSIS, vol. 3, no. 2, pp. 387–394, Jul. 2021, doi: 10.47233/JTEKSIS.V3I2.298.
[17] S. R. Alvin Anzas Islami, “Rancang Bangun Sistem Pendataan Hardware,” J. Teknol. Dan Sist. Inf. Bisnis - JTEKSIS, vol. 3, no. 2, pp. 412–418, 2021.
[18] M. R. Saputra and S. Ramadhani, “Sistem Informasi Bantuan Dana Hibah Operasional Rumah Ibadah Kabupaten Bengkalis,” J. Teknol. dan Inf. Bisnis, vol. 3, no. 1, pp. 147–152, 2021.
[19] S. Ramadhani, “A Review Comparative Mammography Image Analysis on Modified CNN Deep Learning Method,” Indones. J. Artif. Intell., vol. 4, no. 1, pp. 54–61, 2021.
[20] M. Ihsan and S. Ramadhani, “Sistem Informasi Pemetaan Pembangunan Kabupaten Indragiri Hilir,” J. Intra Tech, vol. 5, no. 1, pp. 21–31, 2021.
[21] D. Azzahra and S. Ramadhani, “Pengembangan Aplikasi Online Public Access Catalog (Opac) Perpustakaan Berbasis Web Pada Stai Auliaurrasyiddin Tembilahan,” J. Teknol. Dan Sist. Inf. Bisnis, vol. 2, no. 2, pp. 152–160, 2020, doi: 10.47233/jteksis.v2i2.127.
[22] R. Nazwita, Siti, “Analisis Sistem Keamanan Web Server Dan Database Server Menggunakan Suricata,” in Seminar Nasional Teknologi Informasi, Komunikasi dan Industri (SNTIKI) 9, 2017, pp. 308–317.
[23] S. Ramadhani, S. Saide, and R. E. Indrajit, “Improving creativity of graphic design for deaf students using contextual teaching learning method (CTL),” in ACM International Conference Proceeding Series, 2018, pp. 136–140, doi: 10.1145/3206098.3206128.
[24] N. Ikhsan and S. Ramadhani, “Sistem Informasi Administrasi Surat Menyurat Kantor Wilayah Kementrian Agama Provinsi Riau,” J. Teknol. Dan Inf. Bisnis, vol. 2, no. 2, pp. 141–151, 2020.
[25] F. F. Almira and S. Ramadhani, “Pengembangan Aplikasi Online Public Access Catalog (OPAC) Berbasis Mobile Pada STAI Auliaurrasyiddin,” J. Teknol. Dan Sist. Inf. Bisnis, vol. 2, no. 2, pp. 152–160, 2020.
[26] M. R. Asyari and S. Ramadhani, Sistem informasi arsip surat menyurat, vol. 3, no. 1. 2021.
[27] S. N. Adha, Y. A. Sari, and R. C. Wihandika, “Klasifikasi Jenis Citra Makanan Tunggal Berdasarkan Fitur Local Binary Patterns dan Hue Saturation Value Menggunakan Improved K-Nearest Neighbor,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 3, no. 3, pp. 2416–2424, 2019.
[28] N. F. Azhar and S. Rochimah, “Memprediksi Waktu Memperbaiki Bug dari Laporan Bug Menggunakan Klasifikasi Random Forest,” J. Sist. dan Inform., vol. 11 no.1, pp. 156–164, 2016.
[29] H. Zhong, X. Song, and L. Yang, “Vessel Classification from Space-based AIS Data Using Random Forest,” Proc. - 2019 5th Int. Conf. Big Data Inf. Anal. BigDIA 2019, pp. 9–12, 2019, doi: 10.1109/BigDIA.2019.8802792.

Diterbitkan

30-04-2022

Cara Mengutip

Siti Ramadhani, Jasril, T. Y. P. F. Y. F. I. (2022). Penerapan Algoritma Random Forest pada Klasifikasi Daging: UIN Sultan Syarif Kasim Riau. Journal Intra Tech, 6(1), 21–34. https://doi.org/10.37030/jit.v6i1.107