Studi Deteksi Adulteran Pada Madu Berdasarkan Pencitraan Warna Dan Pencitraan Fluoresensi Menggunakan Pembelajaran Mesin.

Husna, Nadhifa Aqilla (2022) Studi Deteksi Adulteran Pada Madu Berdasarkan Pencitraan Warna Dan Pencitraan Fluoresensi Menggunakan Pembelajaran Mesin. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 02311840000025-Undergraduate_Thesis.pdf Restricted to Repository staff only Download (4MB)

Abstract

Madu adalah bahan alami yang dihasilkan oleh lebah dari nektar yang telah dikumpulkan, serta dikonsumsi oleh manusia sebagai pemanis dan diambil khasiatnya untuk kesehatan manusia. Pemalsuan madu marak dilakukan karena adanya permintaan pasar yang tinggi terhadap madu. Madu palsu yang dikonsumsi manusia memiliki dampak buruk bagi kesehatan. Dalam penelitian ini, dilakukan deteksi pemalsuan langsung madu randu berdasarkan citra warna dan citra fluoresensi menggunakan pembelajaran mesin. Fitur warna yang digunakan adalah fitur yang berasal dari ruang warna RGB, HSV, CIELAB*, dan skala keabuan pada citra citra warna dan juga citra fluoresensi. Algoritma pembelajaran mesin terbaik yang dapat digunakan untuk memprediksi konsentrasi adulteran adalah Ordinary Least Square (OLS) dengan nilai koefisien determinasi sebesar 96,11% untuk adulteran sirup tebu dan 96,42% untuk adulteran sirup jagung. Linear Discriminant Analysis (LDA) sukses untuk membedakan madu murni, madu yang diberi adulteran sirup jagung, dan madu yang diberi adulteran sirup tebu. Support Vector Machine (SVM) memiliki akurasi sebesar 92 % untuk mendeteksi adanya adulteran dan mengklasifikasi jenis adulteran yang digunakan.
===================================================================================================================================
Honey is a natural liquid produced by bees from nectar that has been collected. Honey is consumed by human as a sweetener that has many advantages for human health. Honey adulteration practice has been done due to the high market demand for honey. Adulterated honey that is consumed by humans has a bad impact on health. In this research, direct adulteration detection of cotton honey was predicted based on images of color imaging and fluorescence imaging using machine learning. The color features used are features derived from the RGB, HSV, CIELAB*, and grayscale color spaces. The best machine learning algorithm that can be used to predict the concentration of adulterants is Ordinary Least Square (OLS) with a coefficient of determination of 96.11% for sugarcane syrup adulterants and 96.42% for corn syrup adulterants. Linear Discriminant Analysis (LDA) was successful in distinguishing pure honey, honey with corn syrup adulterant, and honey with cane syrup adulterant. The Support Vector Machine (SVM) has an accuracy of 92% both for the presence of adulterants detection model and type of adulterants classification model.

Item Type:	Thesis (Other)
Additional Information:	RSF 621.367 Hus s-1 2022
Uncontrolled Keywords:	Adulterasi, Fitur Warna, Madu, Pembelajaran Mesin, Sistem Pencitraan. Adulteration, Color Features, Honey, Imaging System, Machine Learning.
Divisions:	Faculty of Industrial Technology and Systems Engineering (INDSYS) > Physics Engineering > 30201-(S1) Undergraduate Thesis
Depositing User:	Mr. Marsudiyana -
Date Deposited:	11 May 2026 03:17
Last Modified:	11 May 2026 03:17
URI:	http://repository.its.ac.id/id/eprint/133107

Actions (login required)

View Item