Susu yang berkualitas dihasilkan dari ternak yang sehat, manajemen pakan dan pemerahan, serta penanganan pascapanen yang baik. Rantai distribusi susu di Kabupaten Semarang dimulai dari peternak, peloper sampai koperasi yang kemudian didistribusikan ke Industri Pengolahan Susu (IPS). Penelitian ini bertujuan untuk mengetahui kualitas susu di tingkat peternak dan peloper di Desa Jetak, Kecamatan Getasan, Kabupaten Semarang. Penelitian dilaksanakan pada 13 Agustus-
17 September 2021 melalui tiga tahap yaitu survei lapangan, penelitian pendahuluan, dan pengujian parameter. Sampel yang digunakan pada penelitian terdiri atas susu segar yang diambil dari peternak sebanyak 20 sampel secara random sampling dan sampel susu dari peloper sebanyak 20 sampel. Parameter yang diuji yaitu uji alkohol, reduktase, pH, berat jenis, dan kadar lemak. Data uji alkohol dianalisis menggunakan Mann-Whitney, sedangkan reduktase, pH, berat jenis, dan kadar lemak dianalisis dengan Independent T-test. Hasil pengujian alkohol, reduktase, pH, berat jenis, dan kadar lemak tidak berbeda (P>0,05) artinya tidak ada perbedaan kualitas susu berdasar uji alkohol, reduktase, pH, BJ, dan kadar lemak baik di tingkat peternak maupun peloper. Berdasar hasil uji alkohol didapatkan 1 sampel positif pada susu tingkat peternak dan 2 sampel positif pada peloper. Rerata hasil reduktase, pH, berat jenis, dan kadar lemak pada sampel susu tingkat peternak secara berturut-turut 6,77 jam; 6,50; 1,029 g/ml; 3,91%. Sementara itu, rerata reduktase, pH, berat jenis, dan kadar lemak pada sampel susu tingkat peloper secara berturut- turut 6,48 jam; 6,48; 1,029 g/ml; 3,79%. Kesimpulan penelitian ini adalah tidak ada perbedaan kualitas susu di tingkat peternak dan peloper, kualitas susu tergolong baik dan memenuhi Standar Nasional Indonesia.

A Facial photos in today's era are widely used as a media for identity recognition, but not many computer applications provide identity recognition of face photos that contain the names of the photo owners, to make an a prototype the sistems use a KNN algorithm, this algorithm work is by classifying the closest object and grouping it on predetermined objects. In this paper, the object is a face photo where the KNN algorithm will be used to classify the facial patterns contained in the photo. The stages in pattern recognition, starting from preprocessing, feature extraction and then classification. In addition to using the KNN algorithm for data classification, photo of faces will be detected and stored the T-Zone area and frontal face. In this paper 11 images used for data testing and the accuracy will be calculated using a recognition algorithm. The results of this paper are a facial recognition program using python that can display faces with a validity level of 82%.