Estimasi Bobot Ternak Karkas Domba Berdasarkan Metode Segmentasi Snake Dan Klasifikasi Learning Vector Quantization

Abstract

Abstrak Domba merupakan salah satu hewan ternak yang banyak dimanfaatkan oleh masyarakat Indonesia bahkan dunia. Karkas menjadi salah satu bagian penting yang dapat dimanfaatkan pada domba khususnya domba pedaging. Karkas adalah berat daging hewan ternak tanpa kepala, ekor, kaki dan organ dalam. Saat ini, peternak menggunakan timbangan konvensional untuk mengukur berat dari ternak domba, namun hal ini masih memiliki beberapa kendala. Terbatasnya jumlah timbangan konvensional yang dimiliki peternak menjadi kendala pada proses pengukuran berat badan. Untuk mengatasi masalah tersebut, solusi yang dapat dilakukan adalah dengan cara pengaplikasian menggunakan pengolahan citra digital untuk mengetahui keakuratan timbangan karkas pada domba. Pengolahan citra digital diproses dengan menggunakan algoritma yang dapat mengenali suatu objek. Proses tersebut diharapkan dapat mengestimasi bobot karkas domba agar lebih efektif dan efisien. Tugas akhir ini bertujuan untuk merancang dan menerapkan aplikasi melalui teknik pengolahan citra digital yang dapat memprediksi berat karkas domba. Metode yang digunakan pada tugas akhir adalah Segmentasi Snake dan klasifikasi Learning Vector Quantization (LVQ). Kalkulasi karkas domba akan diuji dengan menggunakan rumus Ardjodarmoko yang merupakan penyempurnaan dari rumus Winter. Penelitian Tugas Akhir ini mempunyai sample sebanyak 300 data domba dengan jumlah data latih 175 citra dan jumlah data uji 125 citra. Parameter terbaik yang digunakan yaitu ratio 0.4, iterasi metode snake 100, hidden layer 30, dan epoch 300. Gabungan dari metode Segmentasi Snake dan klasifikasi Learning Vector Quantization (LVQ) menggunakan pengolahan citra digital dapat menghasilkan suatu sistem yang memiliki akurasi estimasi bobot karkas domba sekitar 76% dengan Standar Deviasi (STD) kilogram errornya senilai 1 Kg dan waktu komputasi 20.88 detik. Kata kunci: Karkas Domba, Klasifikasi Learning Vector Quantization (LVQ), Segmentasi Snake Abstract Sheep is one of livestock that is widely used by the people of Indonesia and even the world. Carcass become one of the important parts that can be used in sheep especially sheep cattle. Carcass is the weight of cattle without head, tail, legs and internal organs. Nowadays, people using conventional scale to measure the weight of a sheep cattle, however this method still have some problems. The limited number of conventional scale that farmers have become a problem in the process of weight measurement. To overcome the problem, the solution that can be done is by applying using digital image processing to know the accuracy of carcass scales on sheep. Digital image processing is processed using algorithms that can recognize an object. The process is expected to estimate sheep carcass weight to be more effective and efficient. This final project aims to design and implement applications through digital image processing techniques that can predict the weight of sheep carcass. The method used in this final project is Snake Segmentation and Learning Vector Quantization (LVQ) classification. The calculation of sheep carcass will be tested using Ardjodarmoko formula which is a refinement of the Winter formula. This final project has sample of 300 sheep data with 175 image training data and 125 image test data. The best parameters used are ratio 0.4, iteration of Snake is 100, hidden layer is 30, and eoch is 300. The combination of the Snake Segmentation method and the Learning Vector Quantization (LVQ) classification using digital image processing can produce a system that has an accuracy of sheep carcass weight estimation of about 76% with the Standard Deviation (STD) kilogram error is 1 Kg and computation time is 20.88 seconds. Keywords: Sheep Carcass, Learning Vector Quantization (LVQ) Classification, Snake Segmentation