KLASIFIKASI FERTILITAS TELUR AYAM HASIL CANDLING BERDASARKAN CITRA DENGAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK

Putra, Seno Aji (2023) KLASIFIKASI FERTILITAS TELUR AYAM HASIL CANDLING BERDASARKAN CITRA DENGAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK. Other thesis, UPN Veteran Yogyakarta.

	Text ABSTRAK.pdf Download (157kB)
	Text COVER.pdf Download (242kB)
	Text DAFTAR ISI - 123180162_Seno Aji Putra.pdf Download (486kB)
	Text DAFTAR PUSTAKA_SENO AJI PUTRA.pdf Download (85kB)
	Text PENESAHAN PEMBIMBING_SENO AJI PUTRA.pdf Download (186kB)
	Text PENESAHAN PENGUJI_SENO AJI PUTRA.pdf Download (166kB)
	Text SKRIPSI FULL_Seno Aji Putra_123180162.pdf Restricted to Repository staff only Download (3MB)

Abstract

Fertilatas telur ayam dibagi menjadi telur fertile dan telur infertile. Pengecekan
fertilitas telur dilakukan dengan dengan proses candling/peneropongan telur ayam dengan
cara mendekatkan telur ke sumber cahaya agar dapat menembus cangkang telur yang
dilakukan diruangan gelap. Namun demikian, metode ini dapat dengan mudah dipengaruhi
oleh faktor subjektif dan memiliki kelemahan yaitu akurasi deteksi yang rendah sehingga
menyebabkan salah deteksi. Ketidak akuratan penglihatan manusia menjadi penghambat
dalam proses klasifikasi telur. Salah satu cara untuk mendeteksi fertilitas dapat dilakukan
dengan pengolahan citra. Beberapa penelitian sebelumnya telah membuktikan bahwa
fertilitas telur ayam dapat di klasifikasi dengan pengolahan citra. Dalam beberapa penelitian
terkait klasifiaksi fertilitas telur ayam, terdapat permasalahan seperti overfitting dan
permasalahan masih adanya salah deteksi yang disebabkan data yang kurang variative.
Pada penelitian ini, metode Convolutional Neural Network diterapkan dalam proses
klasifiaksi fertilitas telur ayam berdasarkan hasil candling. Salah satu cara untuk
mendapatkan model CNN yang baik yaitu dengan menetapkan hyperparameter yang sesuai
dengan model tersebut. Pada penelitian ini untuk mendapatkan model yang terbaik dilakukan
dengan kombinasi hyperparameter pada 12 kali pengujian. Adapun kombinasi
hyperparameter yang dilakukan yaitu layer konvolusi, batch size dan epoch untuk
memperoleh model yang optimal.
Kombinasi hyperparameter yang paling baik yaitu dengan jumlah layer koncvolusi
sebanyak 4 layer, jumlah batch size 20 dan jumlah epoch sebanyak 9 epoch yang
menghasilkan akurasi training 99,4% dan akurasi validasi 98,65%. Dari hasil pengujian
model dengan confusion matrix menggunakan data validasi memperoleh hasil accuracy
98,64%, precision 97,43%, dan recall 97,29%. Dari hasil pengujian model CNN
menunjukkan bahwa penerapan hyperparameter dapat menghasilkan akurasi yang baik.
Kata kunci : klasifikasi citra, CNN, hyperparameter, identifikasi citra, fertilitas, telur
ayam

Item Type:	Thesis (Other)
Uncontrolled Keywords:	klasifikasi citra, CNN, hyperparameter, identifikasi citra, fertilitas, telur ayam
Subjects:	T Technology > T Technology (General)
Divisions:	Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User:	A.Md Sepfriend Ayu Kelana Giri
Date Deposited:	11 Sep 2023 06:25
Last Modified:	11 Sep 2023 06:25
URI:	http://eprints.upnyk.ac.id/id/eprint/37442

Actions (login required)

View Item