ABSTRAKSI: Dewasa ini, fenomena yang sedang trend di dunia bisnis dan perdagangan adalah e-commerce, yang salah satu contoh aplikasi bisnisnya adalah online shopping. Barang-barang yang diperjual-belikan pada online shop dapat berupa barang-barang yang perlu dibaui, dipegang, dan dicicipi, seperti daging ternak segar. Salah satu kekurangan online shopping adalah lebih besarnya resiko penipuan yang akan diterima oleh pihak konsumen. Penipuan tersebut dilakukan oleh pihak produsen dengan membohongi atau memalsukan jenis dan kualitas barang yang ditawarkan.
Tugas akhir ini bertujuan untuk mengimplementasikan ilmu Pengolahan Sinyal Digital (PSD) dengan menciptakan suatu sistem berbasis software yang dapat mengidentifikasi jenis dan kualitas daging konsumsi dengan mendeteksi citra daging tersebut ke dalam sistem. Citra yang telah diakuisisi akan diekstraksi cirinya dengan metode Transformasi Curvelet, serta dilakukan proses pengenalan dari ciri tersebut dengan metode k-Nearest Neighbor (k-NN).
Dari hasil pengujian performansi sistem, maka diketahui bahwa performansi sistem mencapai akurasi tertinggi saat proses ekstraksi ciri menggunakan Curvelet skala 5 orientasi 16 dengan parameter klasifikasi yang diatur pada k-NN yaitu nilai k = 3, ‘City Block’ distance, dan ‘Nearest’ rule. Akurasi sistem yang diperoleh tersebut ± 86.5455 % dengan waktu komputasi ± 240.4143 detik (± 4.0069 menit).Kata Kunci : daging konsumsi, Transformasi Curvelet, k-Nearest NeighborABSTRACT: Today, the trend phenomenon in the world of business and commerce is e-commerce, which one example of its business applications is the online shopping. Goods that are bought and sold on the online shop are the items that need to be smelled, handled, and tasted, like fresh meat. One drawback of online shopping is a more greater risk of fraud to be received by the consumer. Fraud was committed by the manufacturer by lying or falsifying the type and quality of goods offered to be a problem that often occur at this time.
This Final Project aims to implement the science of Digital Signal Processing (DSP) by building a software-based system that can identify the type and quality of meats consumption by detecting an image of the meat into the system. The images would be extracted it features by Curvelet transform, and also recognition of these features by k-Nearest Neighbor (k-NN) method.
From the results of performance testing system, it is known that the performance of the system reaches the highest accuracy when the feature extraction process using Curvelet 5 scale 16 orientation with the parameters set out in the classification of k-NN are the value of k = 3, the 'City Block' distance, and the 'Nearest' rule. The accuracy that is obtained by the system is ± 86.5455 % and the computation time of the system is ± 240.4143 seconds (± 4.0069 minutes).Keyword: consumption meats, Curvelet Transform, k-Nearest Neighbor