Penerapan Convolutional Neural Network Untuk Deteksi Kualitas Telur Ayam Ras Berdasarkan Warna Cangkang

Abstract

Sebelum dijual atau dikonsumsi, telur ayam harus dievaluasi untuk kualitasnya, terutama dari segi warna dan kondisi cangkangnya. Dalam penelitian ini, digunakan metode Convolutional Neural Network (CNN) untuk mengklasifikasikan warna cangkang telur ayam. Dengan penggunaan CNN diharapkan dapat mengembangkan model Convolutional Neural Network (CNN) yang dapat mengklasifikasikan kualitas telur ayam secara akurat dengan memberikan rekomendasi parameter yang optimal untuk mencapai performa terbaik. Dataset terdiri dari 120 butir telur yang dibagi menjadi tiga kategori: coklat, krem, dan putih. Pengolahan data melibatkan preprocessing image dengan teknik enhancement data untuk memperluas variasi data tanpa kehilangan informasi penting. Selama pengujian, tiga parameter utama dievaluasi: optimizer (Adam, SGD, RMSprop), learning rate (0.01, 0.001, 0.0001), dan epoch (20, 50, 100). Hasil penelitian menunjukkan bahwa kombinasi terbaik untuk performa optimal adalah dengan menggunakan Adam optimizer, learning rate 0,01, dan 100 epoch. Rasio data 80:20 memberikan hasil terbaik, menekankan pentingnya proporsi data yang baik dalam pembentukan model yang akurat. Analisis parameter learning rate menunjukkan bahwa nilai 0.01 memberikan performa terbaik untuk semua proporsi data, sementara hasil terbaik pada nilai epoch diperoleh dengan 100 epoch untuk semua proporsi data. Dengan demikian, penelitian ini menegaskan bahwa CNN efektif dalam mengklasifikasikan kualitas telur berdasarkan warna cangkang, yang dapat memberikan kemudahan bagi pedagang dan peternak telur dalam memilih telur berkualitas.