Estimasi Bobot Sapi Berdasarkan Registrasi Citra Digital Dengan Metode Fraktal Dan Klasifikasi K-nearest Neighbor Cattle Weight Estimation Based On Digital Image Registration With Fractal Method And K-nearest Neighbor Classification

Utari Hustita Dewi, Bambang Hidayat, Endang Yuni

Abstract

AbstrakSapi adalah hewan ternak anggota suku Bovidae dan anak suku Bovinae[1]. Sapi dipelihara sebagai sumber daging, tenaga kerja, dan dimanfaatkan susunya. Karena banyak kegunaan ini, sapi telah menjadi bagian dari kebudayaan Indonesia sejak lama yang akhirnya dijadikan sebagai ladang untuk berbisnis.Bobot sapi merupakan indikator yang sangat penting sebagai penilaian produktivitas dan untuk mengetahui keberhasilan bisnis ternak sapi[2]. Salah satu cara untuk mengetahui bobot sapi dengan menggunakan timbangan ternak. Namun, timbangan ternak dinilai masih kurang efisien, untuk membantu memberikan cara yang lebih praktis dan efisien, pemasalahan diatas dapat diatasi dengan mengestimasi bobot sapi dengan konsep registrasi citra digital. Metode yang digunakan adalah metode fraktal untuk memisahkan citra sapi dengan latar belakang dan objek-objek pengganggu. Hasilnya ditemukan ciri berupa lebar dada dan panjang badan sapi yang digunakan dalam perhitungan dan proses klasifikasi. Klasifikasi yang digunakan pada penelitian ini adalah K-Nearest Negihbor (KNN). Sistem yang telah dirancang dalam program aplikasi estimasi bobot sapi memerlukan input berupa citra atau gambar sapi dan menghasilkan output berupa bobot beserta klasifikasi sapi berdasarkan bobot karkas yang diperoleh.Program aplikasi yang diimplementasikan untuk mengestimasi bobot sapi, dirancang dalam software Matlab dan ditampilkan dalam bentuk GUI (Graphic User Interface). Kolaborasi dari metode fraktal dan klasifikasi K-Nearest Neighbordapat menghasilkan suatu sistem yang memiliki akurasi estimasi bobot sapi sebesar 79,11% dan akurasi klasifikasi sebesar 85,71% dengan waktu komputasi 0,316detik.Kata kunci:Bobot Sapi, Registrasi Citra Digital, Fraktal, K-Nearest Neighbor.AbstractBeef cattle are livestock members of the Bovidae tribe and Bovinae tribe children [1]. Cattle weight is a very important indicator as a consideration of productivity and to determine the success of cattle business [2]. One of many ways to find out the cattle weight is by using cattle scales. The problem can be solved by estimating the cattleweight by using the concept of digital image registration. The method used to separate the image of a cow with a background and disturbing objects is called fractal method. The result had shown the characteristics of the chest width and length of the cow body which was used in the calculation and classification process. The classification used in this study is K-Nearest Negihbor (KNN). The system has been designed in the application program to calculate the cattle weight demands input in the form of images or images of cows and produces output in the form of weights and also cows classification based on the obtained cows weight. The application program which is implemented to estimate cattle weight was designed in Matlab software and shown by a GUI (Graphic User Interface). Collaboration from fractal method and K-Nearest Neighborclassification can produced a system which has the highest value of 79.11% and classification accuracy of 85.71% with a computing time of 0.316seconds.Key words : Cattle Weight, Digital Image Registration, Fractal, K-Nearest Neighbor

Full Text:

PDF

Refbacks

  • There are currently no refbacks.
max_upload :0