Klasifikasi Bobot Sapi Berdasarkan Citra Digital Dengan Metode Fraktal Dan Random Forest

Abstract

Abstrak Sejak dulu di Indonesia sapi telah digunakan sebagai hewan ternak untuk berbisnis. Dalam memulai bisnis peternakan modal awal menjadi salah satu kendala karena dibutuhkan modal yang besar sedangkan salah satu kewajiban yang dimiliki untuk menentukan keberhasilan bisnis ternak sapi adalah timbangan. Timbangan digunakan untuk menentukan bobot sapi, namun timbangan yang biasa digunakan harganya mahal dan tidak fleksibel. Permasalahan tersebut dapat diselesaikan menggunakan sistem pengolahan citra digital dengan. Sistem yang dirancang mempunyai masukan berupa citra sapi dan akan menghasilkan keluaran berupa bobot sapi beserta klasifikasi sapi besar, sedang, dan kecil. Program dirancang menggunakan software MALTAB dan ditampilkan dengan bentuk Graphic User Interface (GUI). Hasil dari sistem menggunakan metode fraktal dan random forest menghasilkan akurasi estimasi bobot sapi sebesar 85,7% dengan waktu komputasi rata - rata 0,336 detik. Total citra sapi yang menjadi data dalam penelitian Tugas Akhir ini berjumlah 68 citra, dengan jumlah 7 sapi yang diambil citra setiap satu sapi sebanyak kurang lebih 9-10 citra. Citra sapi terdiri dari tiga kelas yaitu kecil, sedang, besar. Pada data latih digunakan 47 citra sapi dari tiga kelas yang berbeda. Pada data uji digunakan 21 citra sapi dari tiga kelas yang berbeda juga. Nilai toleransi sistem estimasi bobot adalah 108,16 perhitungan Schoorl, 99,68 perhitungan Winter, dan 111,71 perhitungan Denmark. Kata kunci: Fraktal, Random Forest, Bobot Sapi. Abstract Since long time ago in Indonesia, cattle have been used as livestock for business. In starting a livestock business, initial capital is one of the obstacles because it requires a large amount of capital, while one of the obligations to determine the success of the cattle business is weighing. Scales are used to determine the weight of cattle, but the scales commonly used are expensive and inflexible. These problems can be solved using a digital image processing system. The system designed has an input in the form of a cow image and will produce an output in the form of cow weight along with the classification of large, medium, and small cows. The program was designed using MALTAB software and displayed in the form of a Graphic User Interface (GUI). The results of the system using the fractal and random forest methods resulted in an accuracy of estimating the weight of cattle of 85.7% with an average computation time of 0.336 seconds. The total number of images of cows as data in this final project is 68 images, with a total of 7 cows that were taken for each cow as many as 9-10 images. The image of a cow consists of three classes, namely small, medium, large. The training data used 47 images of cows from three different classes. The test data used 21 images of cows from three different classes as well. The tolerance values for the weight estimation system are 108.16 for Schoorl’s calculations, 99.68 for Winter’s calculations, and 111.71 for Denmark’s calculations. Key words : Fractal, Random Forest, Cow Weight