Pengembangan Sistem Klasifikasi Jenis Minyak Masakan Berbasis Pencitraan Fluoresens Pada Smartphone Menggunakan Algoritma Least Square-Support Vector Machine (LS-SVM).

Aufa, Ardyas Nur (2022) Pengembangan Sistem Klasifikasi Jenis Minyak Masakan Berbasis Pencitraan Fluoresens Pada Smartphone Menggunakan Algoritma Least Square-Support Vector Machine (LS-SVM). Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 6009201007-Master_Thesis.pdf Restricted to Repository staff only Download (3MB)

Abstract

Pemalsuan minyak masakan merupakan suatu isu yang sangat genting pada bisnis produksi makanan. Tujuan dari pemalsuan minyak ini adalah untuk mengurangi biaya produksi. Beberapa teknik untuk menguji komposisi kimia dari minyak masakan berbasis instrumen laboratorium telah diusulkan untuk mendeteksi pemalsuan minyak masakan, namun teknik tersebut membutuhkan perlakuan khusus, biaya tinggi, dan waktu yang cukup lama dalam persiapan pengujiannya. Pada penelitian ini, dilakukan pengembangan sistem klasifikasi berbasis pencitraan fluoresens pada smartphone, dengan tambahan perangkat yang dicetak menggunakan printer 3D, untuk didapatkan metode analisis lab-in-phone yang berbiaya murah, mudah dilakukan dan fleksibel. Citra fluoresens diproses terlebih dahulu untuk didapatkan beberapa fitur warna (R, G, B, H, S, V), sebelum digunakan sebagai data set pada sistem klasifikasi jenis minyak masakan. Algoritma Least Square – Support Vector Machine (LS – SVM) diterapkan pada sistem klasifikasi jenis minyak masakan untuk menentukan hyper-parameter yang akan mempengaruhi performansi klasifikasi. Performansi terbaik didapatkan pada fungsi kernel RBF dengan nilai akurasi sebesar 0.972, presisi sebesar 0.8, recall sebesar 1.0, dan skor F1 sebesar 0.889.
===================================================================================================================================
Cooking oil fraud is a very critical issue in the food production business. The purpose of the fraud is to reduce production costs. Several techniques to determine the chemical composition of cooking oil based on laboratory instruments have been proposed to detect adulteration of cooking oil, but these techniques require special treatment, high cost, and take a long time to prepare for the test. In this study, a classification system based on fluorescent imaging on smartphones was developed, with additional devices printed using a 3D printer, to obtain a lab-in-phone analysis method that is inexpensive, easy to perform, and flexible. The fluorescent image is processed first to obtain some color features (R, G, B, H, S, V), before being used as a data set in the cooking oil classification system. The Least Square – Support Vector Machine (LS – SVM) algorithm is applied to the cooking oil classification system to determine the hyper-parameters that will affect the classification performance. The best performance is obtained from the RBF kernel function with an accuracy value of 0.972, a precision of 0.8, a recall of 1.0, and an F1 score of 0.889.

Item Type:	Thesis (Masters)
Additional Information:	RTF 006.42 Auf p-1 2022
Uncontrolled Keywords:	klasifikasi jenis minyak masakan, pencitraan fluoresens, LS-SVM. cooking oils classification, fluorescence imaging, LS-SVM.
Subjects:	T Technology > TA Engineering (General). Civil engineering (General) > TA1637 Image processing--Digital techniques. Image analysis--Data processing.
Divisions:	Faculty of Industrial Technology and Systems Engineering (INDSYS) > Chemical Engineering > 24101-(S2) Master Thesis
Depositing User:	Mr. Marsudiyana -
Date Deposited:	13 May 2026 03:02
Last Modified:	13 May 2026 03:02
URI:	http://repository.its.ac.id/id/eprint/133184

Actions (login required)

View Item