TESIS SITI NURHASANAH NUGRAHA

TESIS SITI NURHASANAH NUGRAHA

• By Siti Nurhasanah Nugraha;
• Tesis
• 386

Telur dikenal sebagai sumber makanan yang kaya akan nutrisi. Untuk memenuhi kebutuhan konsumen akan telur maka industri produksi telur menjadi industri besar di banyak negara. Telur merupakan salah satu hasil peternakan yang banyak dikonsumsi oleh masyarakat. Pada tiap satu butir telur terdiri dari bagian kulit telur, putih telur dan kuning telur. Cara yang dapat dilakukan untuk klasifikasi jenis telur dapat dilakukan dengan melihat bagian luar telur yaitu berupa kulit telur, bentuk dan ukuran telur. Hal ini cukup membuat masyarakat kesulitan dalam memilih jenis telur, khususnya pada telur ayam negeri dan telur omega 3 yang memiliki warna sama. Atas dasar hal tersebut maka proses mengidentifikasi telur dapat dilakukan dengan bantuan komputerisasi dengan pengolahan citra menggunakan metode Convolutional Neural Network (CNN) dengan tujuan untuk memudahkan masyarakat dalam memilih dan menetukan telur ayam negeri dan telur omega 3. Peneliti menggunakan optimizer adam pada metode CNN agar hasil lebih optimal. Hasil penelitian menunjukan jika penggunaan metode CNN dengan performa optimizer adam untuk klasifikasi menghasilkan akurasi sebesar 87%. Hasil ini mendukung penelitian sebelumnya dan menunjukkan bahwa model CNN dapat digunakan untuk klasifikasi jenis telur. Untuk penelitian selanjutnya diharapkan dapat menambah jenis telur sebagai dataset penelitian, serta menggunakan 2 metode sebagai pembanding dan menambah teknik preprocessing citra lainnya.

Kata kunci: Akuisisi, telur, Convolutional Neural Network, adam, Klasifikasi.

• Katakunci
• URL http://
• Penerbit ,

REFERENSI

[1] M. Maimunah and R. Whidhiasih, “Identifikasi Mutu Telur Ayam Berdasarkan Kebersihan Kerabang Menggunakan Jaringan Syaraf Tiruan,” Informatics Educ. Prof., vol. 2, no. 1, p. 234362, 2017.

[2] M. G. R. Miftahus Sholihin, “Klasifikasi Mutu Telur Berdasarkan Fitur Warna dengan Menggunakan Metode K-Nearest Neighbor,” Semin. Nas. Sist. Inf., pp. 1188–1193, 2018.

[3] G. A. Pradipta and P. D. Wulaning Ayu, “Perbandingan Segmentasi Citra Telur Ayam Menggunakan Metode Otsu Berdasarkan Perbedaan Ruang Warna Rgb Dan Hsv,” JST (Jurnal Sains dan Teknol., vol. 6, no. 1, pp. 136–147, 2017, doi:10.23887/jst-undiksha.v6i1.9329.

[4] M. Sholihin and M. G. Rohman, “Klasifikasi Kualitas Mutu Telur Ayam Ras Berdasarkan Fitur Warna Dan Tekstur,” J. Tek., vol. 10, no. 2, pp. 1056–1059, 2018, doi: 10.30736/teknika.v10i2.244.

[5] T. F. Kusumaningrum, “Implementasi Convolution Neural Network (Cnn) Untuk Klasifikasi Jamur Konsumsi Di Indonesia Menggunakan Keras,” 2018.

[6] W. S. Eka Putra, “Klasifikasi Citra Menggunakan Convolutional Neural Network (CNN) pada Caltech 101,” J. Tek. ITS, vol. 5, no. 1, 2016, doi:10.12962/j23373539.v5i1.15696.

[7] M. Zufar and B. Setiyono, “Convolutional Neural Networks Untuk Pengenalan Wajah Secara Real-Time,” J. Sains dan Seni ITS, vol. 5, no. 2, p. 128862, 2016, doi: 10.12962/j23373520.v5i2.18854.

[8] M. Zainuddin, L. T. Sianturi, and R. K. Hondro, “Implementasi Metode Robinson Operator 3 Level Untuk Mendeteksi Tepi Pada Citra Digital,” J. Ris. Komput., vol. 4, no. 4, pp. 1–5, 2017.

[9] D. Tyas Purwa Hapsari, C. Gusti Berliana, P. Winda, and M. Arief Soeleman, “Face Detection Using Haar Cascade in Difference Illumination,” Proc. - 2018 Int. Semin. Appl. Technol. Inf. Commun. Creat. Technol. Hum. Life, iSemantic 2018, pp. 555–559, 2018, doi: 10.1109/ISEMANTIC.2018.8549752.

[10] D. K. Nithin and P. B. Sivakumar, “Generic Feature Learning in Computer Vision,” Procedia Comput. Sci., vol. 58, pp. 202–209, 2015, doi:10.1016/j.procs.2015.08.054.

[11] K. Fukushima, “Neocognitron: A self-organizing neural network model for a mechanism of pattern recognition unaffected by shift in position,” Biol. Cybern., vol. 36, no. 4, pp. 193–202, 1980, doi:10.1007/BF00344251.

[12] D. Stathakis, “How many hidden layers and nodes?,” Int. J. Remote Sens., vol. 30, no. 8, pp. 2133–2147, 2009, doi:10.1080/01431160802549278.

[13] S. University, “, ''An Introduction to Convolutional Neural Network,",” Stanford University. .

[14] J. T. Springenberg, A. Dosovitskiy, T. Brox, and M. Riedmiller, “S TRIVING FOR S IMPLICITY : T HE A LL C ONVOLUTIONAL N ET,” pp. 1–14, 2015.

[15] F. Hutter, Automated Machine Learning. .

[16] H. Darmanto, D. Learning, T. Learning, and G. Descent, “PENGENALAN SPESIES IKAN BERDASARKAN KONTUR OTOLITH,” vol. 2, 2019.

[17] L. Widiastuti, “Pemilihan Fitur Pada Analisis Sentimen Review Travel Online Menggunakan Algoritma Naïve Bayes Dalam Penerapan Mutual Information Dan Particle Swarm Optimization ( PSO ),” vol. 3, no. 1, 2018.

[18] R. Shimizu, S. Yanagawa, T. Shimizu, M. Hamada, and T. Kuroda, “Convolutional neural network for industrial egg classification,” Proc. - Int. SoC Des. Conf. 2017, ISOCC 2017, pp. 67–68, 2018, doi:10.1109/ISOCC.2017.8368830.

[19] M. Maimunah and R. N. Whidhiasih, “Identifikasi Mutu Telur Ayam Berdasarkan Kebersihan Kerabang Menggunakan Jaringan Syaraf Tiruan,” INFORMATICS Educ. Prof. J. Informatics; Vol 2 No 1 INFORMATICS Educ. Prof. (Desember 2017), Dec. 2017, [Online]. Available:http://ejournal-binainsani.ac.id/index.php/ITBI/article/view/595.

[20] S. Saifullah, S. Sunardi, and A. Yudhana, “PERBANDINGAN SEGMENTASI PADA CITRA ASLI DAN CITRA KOMPRESI WAVELET UNTUK IDENTIFIKASI TELUR,” Ilk. J. Ilm., vol. 8, no. 3, 2016, doi:10.33096/ilkom.v8i3.75.190-196.

[21] R. Rahmadianto, E. Mulyanto, and T. Sutojo, “Implementasi Pengolahan Citra dan Klasifikasi K-Nearest Neighbor untuk Mendeteksi Kualitas Telur Ayam,” J. VOI (Voice Informatics), vol. 8, no. 1, 2019.

[22] J. Thipakorn, R. Waranusast, and P. Riyamongkol, “Egg weight prediction and egg size classification using image processing and machine learning,” 2017, doi: 10.1109/ECTICon.2017.8096278.

[23] S. Saifullah and V. A. Permadi, “Comparison of Egg Fertility Identification based on GLCM Feature Extraction using Backpropagation and K-means Clustering Algorithms,” 2019, doi:10.1109/ICSITech46713.2019.8987496.

[24] U. Andayani and I. B. Sumantri, “Implementasi Deep Learning Menggunakan Convolutional Neural Network Untuk Klasifikasi Citra Mikroskopis Stomata Tanaman Herbal Curcuma,” 2019, [Online]. Available: http://repositori.usu.ac.id/handle/123456789/24599.