IDENTIFIKASI TELUR RETAK MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN BERDASARKAN TEKSTUR TELUR
Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Gunadarma
Indonesia
Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Gunadarma
Indonesia
Abstract
Telur ayam merupakan salah satu panganan pokok yang di konsumsi semua masyarakat. Telur juga memliki banyak kandungan yang bermanfaat bagi kesehatan tubuh, kandungan pada putih telur mengandung protein, karbohidrat, kalori dan kalsium dan kandungan kuning telur mengandung lebih banyak vitamin, mineral, dan zat karetonoid. Untuk memenuhi kebutuhan konsumsi akan telur maka para penjual maupun peternak telur harus memberikan kualitas telur yang baik. Kualitas telur biasanya diidentifikasi dari warna kulit dan permukaan yang tidak pecah. Namun dengan adanya perkembangan teknologi pengamatan untuk identifikasi dapat dilakukan dengan bantuan komputer sehingga dapat lebih memudahkan. Oleh karena itu, pada penelitian ini dibuat suatu aplikasi untuk mengidentifikasi telur retak dan telur tidak retak dengan bantuan komputer yang memanfaatkan pengolahan citra dan metode jaringan syaraf tiruan. Untuk menentukan telur retak dan telur tidak retak dengan komputer, ada beberapa tahap proses yang dilakukkan yaitu pengambilan citra, pengolahan citra, menganalisis nilai citra dan melakukkan pelatihan data citra. Penelitian ini menggunakan perangkat lunak MATLAB 2017a untuk pemrograman. Berdasarkan uji coba yang dilakukan, aplikasi ini memiliki tingkat akurasi 80% berdasarkan 40 data yang telah diuji dengan epoch 5000 dan performance 0.03.
Keywords
References
Badan Standardisasi Nasional, Telur ayam konsumsi. Jakarta: Badan Standardisasi Nasional, 2008.
A. Qur’ania, L. Karlitasari, dan S. Maryana, “Analisis tekstur dan ekstraksi fitur warna untuk klasifikasi apel berbasis citra,” Dalam Prosiding Lokakarya Komputasi dalam Sains dan Teknologi Nuklir, 2012, 296 – 304.
E. N. Arrofiqoh dan Harintaka, “Implementasi metode convolutional neural network untuk klasifikasi tanaman pada citra resolusi tinggi,” Geomatika, vol. 24, no. 2, hal. 61 – 68, 2018.
N. M. Setiohardjo dan A. Harjoko, “Analisis tekstur untuk klasifikasi motif kain (studi kasus kain tenun Nusa Tenggara Timur,” Indonesian Journal of Computing and Cybernetics Systems (IJCSS), vol. 8, no. 2, hal. 177 – 188, 2014.
A. Fahrurozi, S. Madenda, Ernastuti, dan D. Kerami, “Wood texture features extraction by using GLCM combined with various edge detection methods,” Journal of Physics: Conference Series, vol. 725, no. 1, hal. 1 – 11, 2016.
N. Purwaningsih, I. Soesanti, dan H. A. Nugroho, “Ekstraksi ciri tekstur citra kulit sapi berbasis co-occurrence matrix,” Jurnal Seminar Nasional Teknologi Informasi dan Multimedia (Semnasteknomedia) Online, vol. 3, no. 1, hal. 13 – 18, 2015.
J. J. Siang, Jaringan syaraf tiruan dan pemrograman menggunakan MATLAB. Yogyakarta: Andi, 2004.
H. Lazi, R. Efendi, dan E. P. Purwandari, “Deteksi warna kulit menggunakan model warna cielab neural network untuk identifikasi ras manusia (studi kasus ras: kaukasoid, mongoloid, dan negroid),” Jurnal Rekursif, vol. 5, no. 2, hal. 121 – 133, 2017.
A. Mardhiyah dan A. Harjoko. “Metode segmentasi paru-paru dan jantung pada citra x – ray thorax,” Indonesian Journal of Electronics and Instrumentation Systems (IJEIS), vol.1, no. 2, hal. 35 – 44, 2011.
M. Widyaningsih, “Identifikasi kematangan buah apel dengan Gray Level Co-Occurrence Matrix (GLCM),” Jurnal Saintekom, vol. 6, no. 1, hal. 71 – 88, 2016.
