KLASIFIKASI UKURAN TELUR AYAM MENGGUNAKAN CANNY, EKSTRAKSI FITUR, DAN CNN.

Nur’aini, Shandra (2025) KLASIFIKASI UKURAN TELUR AYAM MENGGUNAKAN CANNY, EKSTRAKSI FITUR, DAN CNN. Skripsi (Bachelor) thesis, Universitas Muhammadiyah Bengkulu.

[img] Text (Skripsi Fulltext)
Shandra Nur'aini_2155201206_Fulltext.pdf - Submitted Version
Restricted to Repository staff only
Download (5MB) | Request a copy
[img] Text (Turnitin)
Shandra Nur'aini_Turnitin.pdf - Submitted Version
Restricted to Repository staff only
Download (7MB) | Request a copy
[img] Text (BAB I)
Shandra Nur'aini_2155201206_ABSTRAK + BAB 1.pdf - Submitted Version
Download (2MB)
[img] Text (BAB II)
Shandra Nur'aini_2155201206_BAB 2.pdf - Submitted Version
Download (360kB)
[img] Text (BAB III)
Shandra Nur'aini_2155201206_BAB 3.pdf - Submitted Version
Restricted to Repository staff only
Download (637kB) | Request a copy
[img] Text (BAB IV)
Shandra Nur'aini_2155201206_BAB 4.pdf - Submitted Version
Restricted to Repository staff only
Download (3MB) | Request a copy
[img] Text (BAB V)
Shandra Nur'aini_2155201206_BAB 5.pdf - Submitted Version
Download (366kB)
[img] Text (Referensi + Lampiran)
Shandra Nur'aini_2155201206_Ref + Lamp.pdf - Submitted Version
Download (1MB)

Abstract

Klasifikasi ukuran telur merupakan aspek penting dalam industri peternakan untuk meningkatkan efisiensi dalam penanganan, pengemasan, dan distribusi. Ukuran telur yang bervariasi membutuhkan sistem klasifikasi yang akurat agar proses pengolahan dapat berjalan dengan optimal. Saat ini, metode klasifikasi masih banyak dilakukan secara manual, yang rentan terhadap kesalahan manusia dan tidak efisien dalam skala besar. Oleh karena itu, penelitian ini bertujuan mengembangkan metode klasifikasi ukuran telur menggunakan algoritma deteksi tepi Canny, ekstraksi fitur citra, dan Convolutional Neural Network (CNN). Pendekatan ini dipilih karena kemampuannya mengidentifikasi objek secara otomatis dengan akurasi tinggi dan kecepatan pemrosesan yang lebih baik dibandingkan metode konvensional. Proses klasifikasi diawali dengan pengolahan citra menggunakan algoritma Canny untuk mendeteksi kontur telur secara jelas serta mengurangi noise yang dapat memengaruhi akurasi klasifikasi. Deteksi tepi ini membantu memperjelas batas telur agar informasi visual lebih mudah diproses oleh sistem. Setelah itu, dilakukan ekstraksi fitur citra yang meliputi parameter seperti bentuk, luas, keliling, dan aspek rasio telur. Fitur-fitur ini menjadi dasar pengklasifikasian telur ke dalam kategori kecil, sedang, dan besar. Selanjutnya, fitur hasil ekstraksi digunakan sebagai input untuk model CNN yang dilatih menggunakan dataset telur dengan berbagai ukuran. CNN mampu memanfaatkan informasi visual dalam berbagai level, memungkinkan model mengenali pola yang sulit dideteksi secara manual. Model ini dilatih dengan teknik augmentasi data untuk meningkatkan generalisasi dan mengurangi risiko overfitting. Hasil pengujian menunjukkan bahwa metode ini dapat mengklasifikasikan ukuran telur dengan tingkat akurasi tinggi, mencapai 100%. Pendekatan berbasis deep learning ini menawarkan solusi yang lebih efisien dibandingkan metode manual, memungkinkan otomatisasi klasifikasi telur dalam industri peternakan. Dengan implementasi teknologi ini, efisiensi operasional dan distribusi telur dapat ditingkatkan, mendukung keberlanjutan serta pertumbuhan industri peternakan secara keseluruhan.

Item Type: Thesis (Skripsi (Bachelor))
Additional Information: Pembimbing : Muntahanah, S.Kom., M.Kom
Uncontrolled Keywords: Pengolahan Citra, Sistem Otomasi, Akurasi Model
Subjects: Universitas Muhammadiyah Bengkulu > 02-Fakultas Teknik > 55201-(S1) Teknik Informatika
02-Fakultas Teknik > 55201-(S1) Teknik Informatika
Divisions: 02-Fakultas Teknik > 55201-(S1) Teknik Informatika
Subjek Terkait > 02-Fakultas Teknik > 55201-(S1) Teknik Informatika
Depositing User: Mr Muammar Hafiz Khattami
Date Deposited: 20 Mar 2025 03:26
Last Modified: 20 Mar 2025 03:26
URI: http://repository.umb.ac.id/id/eprint/904

Actions (login required)

View Item View Item