Klasifikasi Kualitas Mutu Telur Ayam Ras Berdasarkan Fitur Warna Dan Tekstur

Sholihin, Miftahus; Rohman, Miftahur

doi:10.30736/teknika.v10i2.244

Cited by 7 publications

(9 citation statements)

References 0 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Kualitas telur dapat ditinjau melalui dua bagian telur, yaitu bagian dalam telur yang terdiri dari kantong udara, putih telur dan kuning telur. Sedangkan kualitas telur bagian luar meliputi tekstur, warna kulit, bentuk, berat dan kebersihan telur (Sholihin & Rohman, 2018). Kualitas telur dapat digolongkan kedalam empat jenis kualitas, diantaranya adalah kualitas AA (sangat baik), A (Baik), B (Cukup Baik), dan C (Buruk), dimana klasifikasi ini dikategorikan berdasarkan ketebalan putih telur (Sholihin & Rohman, 2018) (Ibrahim, dkk, 2018).…”

Section: Pendahuluanunclassified

“…Sedangkan kualitas telur bagian luar meliputi tekstur, warna kulit, bentuk, berat dan kebersihan telur (Sholihin & Rohman, 2018). Kualitas telur dapat digolongkan kedalam empat jenis kualitas, diantaranya adalah kualitas AA (sangat baik), A (Baik), B (Cukup Baik), dan C (Buruk), dimana klasifikasi ini dikategorikan berdasarkan ketebalan putih telur (Sholihin & Rohman, 2018) (Ibrahim, dkk, 2018). Proses klasifikasi telur ayam ini perlu dilakukan, mengingat bahwa tingginya tingkat konsumsi telur ayam di kalangan masyarakat Indonesia, sehingga penting untuk dilakukan pemantauan dan penjaminan mutu kualitas telur ayam yang beredar di pasar.…”

Section: Pendahuluanunclassified

“…Kualitas telur dideteksi berdasarkan Haugh Unit berdasarkan standar United State Departement of Agriculture (USDA). Berikut adalah kriteria untuk setiap grade telur ditinjau dari ketinggian HU putih telur:(Sholihin & Rohman, 2018)…”

unclassified

See 2 more Smart Citations

Klasifikasi Grade Telur Ayam Negeri secara non- Invasive menggunakan Convolutional Neural Network

Ibrahim

SA’IDAH²,

HIDAYAT³

et al. 2022

ELKOMIKA

View full text Add to dashboard Cite

ABSTRAKTelur ayam negeri merupakan salah satu sumber protein yang banyak dikonsumsi masyarakat Indonesia. Untuk menjaga kualitas telur ayam negeri yang beredar di Indonesia, diperlukan sistem yang mampu mengidentifikasi grade telur ayam dan mudah digunakan oleh masyarakat. Penelitian sebelumnya telah mengembangkan sistem pengklasifikasian grade telur ayam negeri secara invasive dengan tingkat akurasi 80%, namun sistem ini membutuhkan sampel telur yang dipecahkan sehingga setiap sampel telur tersebut tidak dapat disimpan dalam waktu lama. Oleh karena itu, penelitian ini mengembangkan sistem klasifikasi grade telur ayam tanpa perlu memecahkan sampel telur ayam (non-invasive). Dengan menggunakan metode Convolutional Neural Network (CNN), sistem mampu mengidentifikasi grade telur ayam negeri pada tingkat akurasi 85,86% dengan arsitektur LeNet-5, optimizer Adam, learning rate 0,001, dan epoch 50.Kata kunci: telur ayam negeri, non-invasive, convolutional neural network, LeNet-5 ABSTRACTLocal Chicken egg are one of the sources of protein that is widely consumed by the people of Indonesia. To maintain the quality of local chicken egg in the market, a system that can identified chicken egg’s grade and easy to use is needed. Previous research has developed an invasive chicken egg’s grade classification system with 80% accuracy. However, the system required egg sample to be cracked so the egg sample can’t be stored for too long. This research develop a non-invasive chicken egg’s grade classification system, which doesn’t require egg sample to be cracked. By using Convolutional Neural Network (CNN), system can identified chicken egg’s grade at 85,86% accuracy with LeNet-5 architecture, Adam optimizer, learning rate 0,001, and epoch 50.Keywords: local chicken egg, non-invasive, convolutional neural network, LeNet-5

show abstract

Section: Pendahuluanunclassified

See 1 more Smart Citation

Klasifikasi Grade Telur Ayam Negeri secara non- Invasive menggunakan Convolutional Neural Network

Ibrahim

SA’IDAH²,

HIDAYAT³

et al. 2022

ELKOMIKA

View full text Add to dashboard Cite

show abstract

“…Penelitian tersebut menggunakan sensor warna TCS3200 yang menghasilkan akurasi 100% untuk level 1 dan 5, 80% untuk level 3, dan 60% untuk level 7. Selanjutnya, Sholihin & Rohman telah melakukan penelitian mengenai klasifikasi kualitas mutu telur ayam ras berdasarkan fitur warna dan tekstur [5]. Pada penelitian ini, digunakan K-Nearst Neighbor dengan rata-rata akurasi tertinggi yang didapatkan sebesar 82,3%.…”

Section: Pendahuluanunclassified

Prototipe Alat Penyortir Telur Berdasarkan Warna dan Ukuran

Lailatulfath¹,

Rahmah²,

Sutanto³

et al. 2021

joki

View full text Add to dashboard Cite

Berdasarkan survei di Peternakan PT Johnson?s Farm, kegiatan sortir telur dilakukan secara manual mengandalkan subjektivitas manusia. Untuk mengatasi hal tersebut, prototipe alat penyortir telur telah dibuat untuk memilah telur berdasarkan warna dan ukuran agar didapatkan hasil seragam. Prototipe ini dilengkapi dengan sensor inframerah sebagai pendeteksi keberadanan telur, sensor warna TCS3200 sebagai pendeteksi warna kerabang telur, sensor jarak HC-SR04 sebagai pendeteksi diameter minor telur, dan motor servo SG-90 sebagai pemilah hasil sortir. Prototipe ini terpasang pada sebuah sistem konveyor agar penyortir berjalan secara otomatis. Sensor jarak HC-SR04 dan sensor warna TCS3200 diletakkan pada bagian awal konveyor dengan ketinggian yang tetap untuk mendeteksi karakteristik telur. Hasil sortir dipisahkan ke dalam enam kategori. Keenam kategori tersebut yakni telur coklat jumbo, telur putih jumbo, telur coklat normal, telur putih normal, telur coklat kecil, dan telur putih kecil. Dalam menyortir 21 sampel telur yang bervariatif, sensor HC-SR04 memiliki persentase keberhasilan sebesar 98,1% dan sensor TCS3200 memiliki persentase keberhasilan sebesar 72,4%. Prototipe telah bekerja dengan baik dengan persentase rata-rata keberhasilan sebesar 72,4%. Hasil tersebut sangat dipengaruhi oleh keberhasilan kedua sensor dalam mendeteksi telur.

show abstract

“…Penelitian lain yang dilakukan oleh [9] yang didasarkan pada fitur warna kerabang dengan menggunakan metode Adaptif Neouro Fuzzy Inference System (ANFIS), hasil dari penelitian ini memberikan kemudahan bagi pembeli telur karena hanya melihat warna kerabangnya saja sudah dapat menentukan kualitas dari sebuah telur. Selain dari warna kerabang tekstur dari kerabang telur juga bisa dijadikan dasar untuk melakukan klasifikasi terhadap mutu telur [10] [11].…”

Section: Pendahuluanunclassified

Implementasi K-Nearest Neighbor Untuk Klasifikasi Grade Telur Ayam Ras Berdasarkan Ukuran

Sholihin

2019

Inf. J. Ilm. Bid. Teknol. Inf. dan Komun.

Self Cite

View full text Add to dashboard Cite

Sebagai bahan makanan tidak semua telur memiliki kualitas atau mutu dan kesegaran yang baik. Untuk menentukan grade dari sebuah telur bisa dilihat dari ukuran atau besarnya telur tersebut yang dilakukan secara manual dengan cara memasukan kedalam lubang yang sudah diberi ukuran, sehingga membutuhkan waktu yang lama. Oleh sebab itu dibutuhkan sebiah sistem yang mampu melakukan grading ukuran telur secara otomatis. Pada penelitian ini dirancang sebuah sistem yang mampu melakukan proses grading citra telur yang didasarkan dari ukuran dengan memanfaatkan teknik pengolahan citra digital. Metode klasifikasi dengan menggunakan K-Nearest Neighbor. Penelitian ini memberikan hasil akurasi tertinggi 88,8% ketika nilai k ketetanggaan 3.

show abstract

Klasifikasi Kualitas Mutu Telur Ayam Ras Berdasarkan Fitur Warna Dan Tekstur

Cited by 7 publications

References 0 publications

Klasifikasi Grade Telur Ayam Negeri secara non- Invasive menggunakan Convolutional Neural Network

Klasifikasi Grade Telur Ayam Negeri secara non- Invasive menggunakan Convolutional Neural Network

Prototipe Alat Penyortir Telur Berdasarkan Warna dan Ukuran

Implementasi K-Nearest Neighbor Untuk Klasifikasi Grade Telur Ayam Ras Berdasarkan Ukuran

Contact Info

Product

Resources

About