Judul Jurnal Penerapan Artificial Neural Network Untuk Klasifikasi Fertilitas Telur
Itik Menggunakan Raspberry Pi
Jurnal Buana Ilmu
Volume dan Halaman Vol 3 No 1 Hal 105-118
Tahun 2018
Penulis Jamaludin Indra
Tanggal Review 14 Juni 2023
Permasalahan Proses klasifikasi kelayakan telur itik yang dijadikan sebagai pendukung
keputusan untuk dilanjutkan proses inkubasi atau tidak secara manual
deteksi embrio menyita tenaga dan waktu dengan akurasi 81,34% saja.
Tujuan Penelitian Merancang sebuah model alat yang menerapkan teknik digital image
processing dan artificial neural network untuk mengidentifikasi dan
mengklasifikasi fertilitas telur itik menggunakan Raspberry Pi.
Metodologi Rancangan Perangkat Keras
1. Telur itik : objek yang akan diteliti
2. LED : sebagai sumber cahaya
3. Ruang gelap : ruang yang akan ditempatkan kamera untuk
pengambilan gambar.
4. Camera Pi : perangkat yang akan digunakan untuk pengambilan
gambar digital untuk diproses selanjutnya di Raspberry Pi.
5. Papan Raspberry Pi : tempat berjalannya perangkat lunak untuk
pemroses data.
6. Display / monitor LCD : perangkat untuk menampilkan hasil dari
proses pengolahan citra digital.
Rancangan Perangkat Lunak
1. Image Acquisition
Pada proses image acquisition penggunaan perangkat keras yang
digunakan. Dimana algoritma pengambilan gambar embrio telur
itik dipersiapkan
2. Pre-processing
Pada bagian ini untuk meng-crop objek dan menghilangkan noise,
menggunakan teknik filter sebagai teknik untuk menghilangkan
noise dan meningkatkan kualitas gambar. Gambar yang diambil
awalnya berbentuk RGB selanjutnya di filter dengan teknik
median filter, median filter terbukti lebih baik dibandingkan
dengan algoritma yang lain untuk menghilangkan noise karena
mampu mempertahankan garis tepi dan mudah
diimplementasikan (Chandel & Gupta 2013). Setelah itu gambar
dikonversi ke bentuk greyscale untuk menghasilkan gambar
berkualitas baik pada proses thresholding.
3. Segmentation
Pada langkah ini untuk mengkonversi gambar ke gambar binary
digunakan metode Otsu dan diinverse untuk mendapatkan nilai
piksel putih, Metode Otsu melakukan penyeleksian nilai threshold
dari histrogram citra abu-abu. Metode penyeleksian nilai
threshold dilakukan dengan memakai pendekatan statistika. Nilai
threshold dipilih dari nilai warna keabuan yang terletak pada
interval histogram dimana nilai warna keabuan tersebut
memaksimalkan nilai fungsi.
4. Features Extraction
Untuk mendeteksi embrio telu dengan cara menghitung sebaran
piksel putih yang bernilai biner 1, hasil dari proses sebelumnya
yaitu segmentasi menggunakan metode otsu. Yaitu nilai dari
matrik yang bernilai biner 1 akan dijumlahkan sehingga akan
diketahui jumlah sebaran piksel putih.
5. Training
Fungsi dari tahap ini adalah untuk melakukan training terhadap
data latih dan untuk menentukan bobot koneksi di dalam jaringan
sehingga jaringan dapat melakukan pemetaan (mapping) dari
input ke output sesuai dengan yang di inginkan. Pemetaan
ditentukan melalui satu set pola contoh atau data pelatihan
(training data set). Pada pnelitian ini nilai input adalah nilai dari
jumlah piksel putih yang dihasilkan dari proses sebelumya yaitu
pada proses features extraction.
6. Classification
Pada tahap ini nilai hasil dari proses features extraction akan di uji
dengan nilai data yang didapatkan dari hasil training dan akan
menetukan apakah hsilnya fertile atau infertile.
Hasil Penelitian
Kekuatan Penelitian
Kekurangan Penelitian Dataset yang dipakai hanya 20 data, masih kurang untuk
mengkonfirmasi hasil akurasi.
Masalah berkaitan dengan proses manual yang menguras waktu
tidak diberikan solusi, apakah penelitian atau model alat ini
mengurangi waktu klasifikasi.
Kesimpulan Mampu mengklasifikasi dengan akurasi untuk telur infertile 95% dan
telur fertile 95%.