Klasifikasi Ukuran dan Kualitas Telur Ayam Menggunakan Algoritma Convolutional Neural Network
Abstract
Abstrak —Telur merupakan bahan makanan yang banyak dikonsumsi. Menurut Badan Pusat Statistik, telur yang paling banyak dikonsumsi oleh masyarakat adalah telur ayam ras. Konsumsi yang tinggi harus diikuti dengan pemilahan telur yang baik. Sayangnya, metode pemilahan di Indonesia belum memanfaatkan teknologi dengan optimal karena masih sedikitnya metode untuk pemilahan telur dengan teknologi. Berdasarkan hal tersebut, maka melalui penelitian Tugas Akhir ini ditawarkan solusi Klasifikasi Citra Telur Ayam Menggunakan Algoritma Convolutional Neural Network (CNN). CNN memiliki performa dan akurasi yang baik untuk mengklasifikasi gambar. Klasifikasi kualitas telur ayam yang dianalisa adalah kondisi fisik dan warna kerabang. Hasil pengujian arsitektur CNN modifikasi dengan parameter terbaik menghasilkan akurasi training 79% dan akurasi validasi 90%. Classification Report menghasilkan nilai precision 67%, recall 75%, dan F1-Score 71%.Kata kunci— akurasi, CNN, f1-score, klasifikasi, prediksi, telur
References
Subdirektorat Statistik Peternakan, Peternakan Dalam Angka 2020. Jakarta: BPS-RI, 2020.
D. W. Prabowo, Analisis Perkembangan Harga Bahan Pangan Pokok di Pasar Domestik dan Internasional Maret 2021. Jakarta, 2021.
C. Haoran, H. E. Chuchu, J. Minlan, dan L. I. U. Xiaoxiao, “Egg crack detection based on support vector machine,” Proceedings - 2020 International Conference on Intelligent Computing and Human-Computer Interaction, ICHCI 2020, hlm. 80–83, 2020, doi: 10.1109/ICHCI51889.2020.00025.
B. Narin, S. Buntan, N. Chumuang, dan M. Ketcham, “Crack on Eggshell Detection System Based on Image Processing Technique,” ISCIT 2018 - 18th International Symposium on Communication and Information Technology, no. Iscit, hlm. 226–231, 2018, doi: 10.1109/ISCIT.2018.8587980.
E. H. Rachmawanto dkk., “Eggs classification based on egg shell image using k-nearest neighbors classifier,” Proceedings - 2020 International Seminar on Application for Technology of Information and Communication: IT Challenges for Sustainability, Scalability, and Security in the Age of Digital Disruption, iSemantic 2020, hlm. 50–54, 2020, doi: 10.1109/iSemantic50169.2020.9234305.
Maimunah dan T. Rokhman, “Klasifikasi Penurunan Kualitas Telur Ayam Ras Berdasarkan Warna Kerabang Menggunakan Support Vector Machine,” INFORMATICS FOR EDUCATORS AND PROFESSIONALS, vol. 3, no. 1, hlm. 43–52, Des 2018.
C. Rahmad, E. Rohadi, dan E. Widyatama Adha, “Aplikasi Penentuan Tingkat Kualitas Telur Ayam Berdasarkan Warna dan Tekstur Citra Kerabang Dengan Metode Hue, Saturation, Value,” JIP (Jurnal Informatika Polinema), vol. 6, no. 1, hlm. 9–14, Nov 2019.
Kementerian Perdagangan, “Profil Komoditas Telur Ayam Ras,” Des 13, 2009. Diakses: Sep 07, 2022. [Daring]. Available: https://ews.kemendag.go.id/sp2kp-landing/assets/pdf/131209_ANL_UPK_Telur.pdf
A. L. Prasasti, B. Irawan, S. E. Fajri, A. Rendika, dan S. Hadiyoso, “Perbandingan Ekstraksi Fitur dan Proses Matching pada Autentikasi Sidik Jari Manusia,” ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika, vol. 8, no. 1, hlm. 95, Jan 2020, doi: 10.26760/elkomika.v8i1.95.
CNN Indonesia, “Cara Memilih Telur yang Baik dan Tips Menyimpannya.” https://www.cnnindonesia.com/gaya-hidup/20211117145852-267-722465/cara-memilih-telur-yang-baik-dan-tips-menyimpannya (diakses Des 16, 2021).
D. Dangphonthong dan W. Pinate, “Analysis of Weight Egg Using Image Processing,” vol. 15, no. January, hlm. 978–93, 2016, [Daring]. Available: http://www.worldresearchlibrary.org/up_proc/pdf/165-145439307455-57.pdf
J. Thipakorn, R. Waranusast, dan P. Riyamongkol, “Egg weight prediction and egg size classification using image processing and machine learning,” ECTI-CON 2017 - 2017 14th International Conference on Electrical Engineering/Electronics, Computer, Telecommunications and Information Technology, hlm. 477–480, 2017, doi: 10.1109/ECTICon.2017.8096278.
Y. Siti Ambarwati dan S. Uyun, “Feature Selection on Magelang Duck Egg Candling Image Using Variance Threshold Method,” 2020 3rd International Seminar on Research of Information Technology and Intelligent Systems, ISRITI 2020, hlm. 694–699, 2020, doi: 10.1109/ISRITI51436.2020.9315486.
D. Indra, T. Hasanuddin, R. Satra, dan N. R. Wibowo, “Eggs Detection Using Otsu Thresholding Method,” Proceedings - 2nd East Indonesia Conference on Computer and Information Technology: Internet of Things for Industry, EIConCIT 2018, no. 2, hlm. 10–13, 2018, doi: 10.1109/EIConCIT.2018.8878517.
A. L. Prasasti, R. K. W. Mengko, dan W. Adiprawita, “Vein Tracking Using 880nm Near Infrared and CMOS Sensor with Maximum Curvature Points Segmentation,” dalam IFMBE Proceedings, Jan 2015, vol. 52, hlm. 206–209. doi: 10.1007/978-3-319-19452-3_54.
Y. Li, R. Zhang, dan Y. Wu, “ROAD NETWORK EXTRACTION IN HIGH-RESOLUTION SAR IMAGES BASED CNN FEATURES Department of Electronic Engineering and Information Science , USTC , Hefei , 230027 China Key Laboratory of Electromagnetic Space Information , Chinese Academy of Sciences , Hefei ,” IEEE, hlm. 1–4.
R. Shimizu, S. Yanagawa, T. Shimizu, M. Hamada, dan T. Kuroda, “Convolutional neural network for industrial egg classification,” Proceedings - International SoC Design Conference 2017, ISOCC 2017, hlm. 67–68, 2018, doi: 10.1109/ISOCC.2017.8368830.
Q. Lina, “Apa itu Convolutional Neural Network? | by QOLBIYATUL LINA | Medium.” https://medium.com/@16611110/apa-itu-convolutional-neural-network-836f70b193a4 (diakses Des 16, 2021).
Suyanto, K. Ramadhani Nur, dan Mandala Satria, Deep Learning Moderinisasi Machine Learning untuk Big Data. Bandung: Informatika Bandung, 2019.
Jyotsna, S. Chauhan, E. Sharma, dan A. Doegar, “Binarization Techniques for Degraded Document Images - A Review,” dalam International Conference on Reliability, Infocom Technologies and Optimization (ICRITO), Des 2016, hlm. 163–166.
T. W. Purboyo, A. L. Prasasti, dan R. D. Putra, “A Review of Image Enhancement Methods,” International Journal of Applied Engineering Research, vol. 12, no. 23, hlm. 13596–13603, Jan 2017, [Daring]. Available: http://www.ripublication.com
M. N. Aziz, T. W. Purboyo, dan A. L. Prasasti, “A Survey on the Implementation of Image Enhancement,” Article in International Journal of Applied Engineering Research, vol. 12, no. 21, hlm. 11451–11459, Jan 2017, [Daring]. Available: http://www.ripublication.com