Analisis Kualitas Dan Ukuran Telur Melalui Citra Digital Menggunakan Support Vector Machine
Abstract
Abstrak—Telur adalah salah satu komoditas bahan makanan yang paling besar di Indonesia. Telur memiliki berbagai macam jenis berdasarkan jenis induknya. Di dalam tugas akhir ini akan diteliti telur ayam yang dapat dibeli di warung terdekat yang selalu dikomsumsi sehari-hari. Telur ayam ini memiliki beberapa ciri di antara lain kulit telur tidak selalu coklat, ukuran telur tidak semua sama, dan tidak jarang pula melihat ada telur yang pecah atau retak ketika dalam masa perjalanan. SVM adalah salah satu algoritma pembelajaran mesin yang dapat melakukan klasifikasi pada suatu data gambar. Dapat dibuktikan dengan SVM yang dapat mengklasifikasikan kucing dengan anjing dengan sangat baik. Oleh karena itu, pada penelitian tugas akhir ini diuji kemampuan SVM untuk mengklasifikasi gambar digital telur ayam untuk mengklasifikasikan retakan dan warna pucat pada telur ayam. Dan didapatkan untuk model retak memiliki parameter terbaik pada kernel Polynomial dengan nilai C adalah 500 dan nilai gamma 0.00001 dengan akurasi 30%, sedangkan untuk model pucat memiliki parameter terbaik pada kernel RBF dengan nilai C adalah 600 dan nilai gamma 0.00001 dengan akurasi 100%. Hasil dari kualitas telur memiliki tingkat akurasi 100% berdasarkan syarat yang diberikan tetapi dengan kesalahan terjadi dikarenakan tingkat akurasi yang rendah dari model retak.
Kata kunci — SVM, telur ayam, ukuran, kualitas, retakan
References
[1] N. Malahayati, K. Adhiwibowo, and
D. Inayah, Distribusi Perdagangan
Komoditas Telur Ayam Ras
Indonesia 2021. 2021.
[2] Kementrian perdagangan
Indonesia,
Ayam Ras,= Statistik Daerah
Kecamatan Kartasura Tahun 2015,
pp. 17–18, 2015.
[3] Y. E. Yana and N. Nafi’iyah,
Fitur Warna, Tekstur, Bentuk Citra
Menggunakan SVM dan KNN,=
RESEARCH : Journal of Computer,
Information System & Technology
Management, vol. 4, no. 1, p. 28,
2021, doi:
10.25273/research.v4i1.6687.
[4] J. Alzubi, A. Nayyar, and A. Kumar,
Algorithms: An Overview,= J Phys
Conf Ser, vol. 1142, no. 1, 2018, doi:
10.1088/1742-6596/1142/1/012012.
[5] P.-N. Toun, M. Steinbach, A.
Karpatne, and V. Kumar,
Introduction to Data Mining Second
Edition, 2nd ed. Pearson, 2020.
[6] L. Ali et al.,
Support Vector Machines Based
Expert System for the Effective
Prediction of Heart Failure,= IEEE
Access, vol. 7, no. c, pp. 54007–
54014, 2019, doi:
10.1109/ACCESS.2019.2909969.
[7] A. O. Salau and S. Jain,
Extraction: A Survey of the Types,
Techniques, Applications,= 2019
International Conference on Signal
Processing and Communication,
ICSC 2019, pp. 158–164, 2019, doi:
10.1109/ICSC45622.2019.8938371.
[8] PRASASTI, A. L., IRAWAN, B.,
FAJRI, S. E., RENDIKA, A., &
HADIYOSO, S. (2020).
Perbandingan Ekstraksi Fitur dan
Proses Matching pada Autentikasi
Sidik Jari Manusia. ELKOMIKA:
Jurnal Teknik Energi Elektrik,
Teknik Telekomunikasi, & Teknik
Elektronika, 8(1), 95.
[9] Putra, R. D., Purboyo, T. W., &
Prasasti, L. A. (2017). A Review of
Image Enhancement Methods.
International Journal of Applied
Engineering Research, 12(23),
13596-13603.
[10] Aziz, M. N., Purboyo, T. W., &
Prasasti, A. L. (2017). A survey on
the implementation of image
enhancement. Int. J. Appl. Eng. Res,
12(21), 11451-11459.
[11] C. Haoran, H. E. Chuchu, J. Minlan,
and L. I. U. Xiaoxiao,
detection based on Support Vector
Machine,= Proceedings - 2020
International Conference on
Intelligent Computing and HumanComputer Interaction, ICHCI 2020,
pp. 80–83, 2020, doi:
10.1109/ICHCI51889.2020.00025.
[12] E. H. Rachmawanto et al.,
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, pp. 50–
54, 2020, doi:
10.1109/iSemantic50169.2020.92343
05.
[13] B. Narin, S. Buntan, N. Chumuang,
and M. Ketcham,
Detection System Based on Image
Processing Technique,= ISCIT 2018 -
18th International Symposium on
Communication and Information
Technology, no. Iscit, pp. 226–231,
2018, doi:
10.1109/ISCIT.2018.8587980.
[14] Jyotsna, S. Chauhan, E. Sharma, and
A. Doegar,
for degraded document images-A
review,= 2016 5th International
Conference on Reliability, Infocom
Technologies and Optimization,
ICRITO 2016: Trends and Future
Directions, pp. 163–166, 2016, doi:
10.1109/ICRITO.2016.7784945.
[15] Prasasti, A. L., Mengko, R. K. W., &
Adiprawita, W. (2015). Vein tracking
using 880nm near infrared and
CMOS sensor with maximum
curvature points segmentation. In 7th
WACBE World Congress on
Bioengineering 2015 (pp. 206-209). Springer, Cham.
