ABSTRAKSI: Kasus yang melatarbelakangi penelitian Tugas Akhir ini adalah pemilihan kualitas daging sapi. Konsumen ingin mendapat daging sapi yang baik untuk dikonsumsi. Daging yang baik ialah daging yang telah melewati proses penanganan yang baik yang nantinya layak untuk dikonsumsi. Konsumen disini dapat berupa seorang ibu rumah tangga yang ingin memberikan kualitas daging sapi terbaik bagi keluarganya. Dan juga konsumen yang akan mengolah kembali daging tersebut.
Tugas Akhir ini telah dibuat untuk mengimplementasikan pengolahan citra digital (digital image processing) untuk menghasilkan suatu perangkat lunak yang dapat mengklasifikasi kelayakan daging konsumsi serta menganalisis performansi tipe ekstraksi ciri tekstur yang digunakan. Secara umum, sistem pendeteksi daging konsumsi ini terdiri dari dua bagian utama, yaitu ekstraksi ciri tekstur menggunakan metode Run Length dan klasifikasi cirri menggunakan k-Nearest Neighbor.
Dari hasil pengujian performansi sistem, maka diketahui bahwa performansi sistem mencapai akurasi tertinggi saat proses preprocessing menggunakan layer red dengan parameter klasifikasi yang diatur pada k-NN yaitu nilai k = 3 dan 5 untuk Euclidean distance dan nilai k = 3 untuk City Block distance. Akurasi sistem yang diperoleh tersebut ± 91.111 %Kata Kunci : daging konsumsi, metode Run Length, k-Nearest Neighbor, kelayakanABSTRACT: The case behind this final project is the selection of beef quality . Consumers want to get good beef for consumption. Good beef has gone through a good process of handling so it will feasible for consumtion. Consumers can be a housewife who wanted to provide the best beef for her family. And also consumers who will reprocess the beef.
Final Project has made to implement a digital image processing to produce a software that can diagnose the feasibility of beef consumption and analyzing the performance of texture feature extraction that used. In general, detection system of beef consumption consists of two main parts, texture feature extraction using the Run Length and classification using k-Nearest Neighbor.
From the results of performance testing system, it is known that the performance of the system reaches the highest accuracy when the preprocessing process using only red layer with the parameters set out in the classification of k-NN are the value of k = 3 and 5 for the Euclidean distance,anda the value of k = 3 for the City Block distance. The accuracy that is obtained by the system is ± 91.111 %.Keyword: beef consumption, run length method, k-Nearest Neighbor, feasibility