Analisis Berat Dan Ukuran Telur Ayam Menggunakan Metode Otsu Berbasis Citra Digital
Abstrak
Abstrak—Menentukan berat pada telur adalah salah satu cara untuk menentukan baik atau buruknya suatu telur, oleh karena itu banyak produsen mesin yang mengembangkan sistem pada mesin mereka untuk menentukan berat pada telur, seiring perkebangan zaman, metode-metode yang digunakan dalam menentukan berat pada telur semakin banyak, oleh sebab itu banyak sekali analisis mengenai metode-metode tersebut. Penelitian ini bertujuan untuk menguji salah satu metode yang ada, yaitu metode otsu thresholding pada CNN dalam pre-proccesing untuk megklasifikasi berat pada telur ayam. Pengujian dilakukan menggunakan model klasifikasi CNN dengan menggunakan metode otsu thresholding sebagai pre-proccessing, diawali mengumpulkan datasets berdasarkan kelasnya yaitu Besar, Kecil, Sedang. datasets akan di proses untuk training dengan menggunakan metode CNN untuk mencari akurasinya dan disimpan. Hasil pengujian model klasifikasi berat dan ukuran pada telur menggunakan metode otsu thresholding, mendapatkan akurasi training sebesar 66% dan akurasi testing sebesar 48%, yang akan di prediksi untuk membandingkan dengan model klasifikasi tanpa otsu.Kata kunci — Thresholding, Berat, CNN, Klasifikasi, Otsu
Referensi
Y. Siti Ambarwati and S. Uyun, “Feature Selection on Magelang Duck Egg Candling Image Using Variance Threshold Method,” 2020 3rd Int. Semin. Res. Inf. Technol. Intell. Syst. ISRITI 2020, pp. 694–699, 2020, doi: 10.1109/ISRITI51436.2020.9315486.
M. Robit, F. Fathoni, O. Melfazen, and K. Kunci, “MODEL SISTEM PENDETEKSI KUALITAS DAN BERAT TELUR AYAM HORN BERBASIS NodeMCU ESP8266 TERINTREGASI IoT ( Internet of ThingS ),” vol. 13, 2021.
D. W. Prabowo, “Analisis Perkembangan Harga Bahan Pangan Pokok di Pasar Domestik dan Internasional Maret 2021,” Kementrian Perdagang., pp. 22–28, 2021.
E. H. Rachmawanto et al., “Eggs classification based on egg shell image using k-nearest neighbors classifier,” Proc. - 2020 Int. Semin. Appl. Technol. Inf. Commun. IT Challenges Sustain. Scalability, Secur. Age Digit. Disruption, iSemantic 2020, pp. 50–54, 2020, doi: 10.1109/iSemantic50169.2020.9234305.
SNI 01-3926:2008, “SNI 3926:2008 Telur Ayam Konsumsi,” Standar Nas. Indones., pp. 1–8, 2008, [Online]. Available: http://blog.ub.ac.id/cdrhprimasanti90/files/2012/05/13586_SNI-3926_2008-Telur-Konsumsi.pdf
C. Haoran, H. E. Chuchu, J. Minlan, and L. I. U. Xiaoxiao, “Egg crack detection based on support vector machine,” Proc. - 2020 Int. Conf. Intell. Comput. Human-Computer Interact. ICHCI 2020, pp. 80–83, 2020, doi: 10.1109/ICHCI51889.2020.00025.
D. Dangphonthong and W. Pinate, “Analysis of Weight Egg Using Image Processing,” vol. 15, no. January, pp. 978–93, 2016, [Online]. Available: http://www.worldresearchlibrary.org/up_proc/pdf/165-145439307455-57.pdf
A. R. and A. L., “A Review on Image Enhancement Methods,” Int. J. Comput. Appl., vol. 164, no. 6, pp. 4–9, 2017, doi: 10.5120/ijca2017913647.
M. N. Aziz, T. W. Purboyo, and A. L. Prasasti, “A survey on the implementation of image enhancement,” Int. J. Appl. Eng. Res., vol. 12, no. 21, pp. 11451–11459, 2017.
A. L. PRASASTI, B. IRAWAN, S. E. FAJRI, A. RENDIKA, and S. HADIYOSO, “Perbandingan Ekstraksi Fitur dan Proses Matching pada Autentikasi Sidik Jari Manusia,” ELKOMIKA J. Tek. Energi Elektr. Tek. Telekomun. Tek. Elektron., vol. 8, no. 1, p. 95, 2020, doi: 10.26760/elkomika.v8i1.95.
D. Indra, T. Hasanuddin, R. Satra, and N. R. Wibowo, “Eggs Detection Using Otsu Thresholding Method,” Proc. - 2nd East Indones. Conf. Comput. Inf. Technol. Internet Things Ind. EIConCIT 2018, no. 2, pp. 10–13, 2018, doi: 10.1109/EIConCIT.2018.8878517.
S. Huang, P. Luo, and Z. Wang, “Analysis and Study of Egg Quality Based on Hyperspectral Image Data of Different Forms of Egg Yolks,” Proc. - 2020 Int. Conf. Comput. Vision, Image Deep Learn. CVIDL 2020, no. Cvidl, pp. 177–181, 2020, doi: 10.1109/CVIDL51233.2020.00042.
A. L. Prasasti and W. Adiprawita, “James Goh · Chwee Teck Lim ( Eds .) Volume 52 7th WACBE World Congress on Bioengineering 2015,” no. August 2019, 2015, doi: 10.1007/978-3-319-19452-3.
G. Yue and L. Lu, “Face Recognition Based on Histogram Equalization and Convolution Neural Network,” Proc. - 2018 10th Int. Conf. Intell. Human-Machine Syst. Cybern. IHMSC 2018, vol. 1, pp. 336–339, 2018, doi: 10.1109/IHMSC.2018.00084.
J. K. Josephine Julina and T. S. Sharmila, “Facial Emotion Recognition in Videos using HOG and LBP,” 2019 4th IEEE Int. Conf. Recent Trends Electron. Information, Commun. Technol. RTEICT 2019 - Proc., pp. 56–60, 2019, doi: 10.1109/RTEICT46194.2019.9016766.
