Deteksi Kualitas Telur Berdasarkan Warna Dan Tekstur Menggunakan Metode Convolutional Neural Network (CNN)

Mahbubi, Muhammad (2024) Deteksi Kualitas Telur Berdasarkan Warna Dan Tekstur Menggunakan Metode Convolutional Neural Network (CNN). Undergraduate thesis, Politeknik Negeri Jember.

	Text (Abstrak) abstrak.pdf - Submitted Version Available under License Creative Commons Attribution Share Alike. Download (119kB)
	Text (Bab 1 Pendahuluan) Bab 1.pdf - Submitted Version Available under License Creative Commons Attribution Share Alike. Download (124kB)
	Text (Daftar Pustaka) daftar pustaka.pdf - Submitted Version Available under License Creative Commons Attribution Share Alike. Download (120kB)
	Text (Laporan Lengkap) Laporan Lengkap.pdf Restricted to Registered users only Download (3MB) | Request a copy

Abstract

Fokus utama agar mempermudah peternak untuk klasifikasi kualitas telur bagus, jelek, dan rusak di pisahkan terlebih dahulu agar harga telur bisa di jual dengan harga lebih mahal sesuai dengan kualitas telur tersebut dan peneliti menambahkan lagi satu dataset yang di luar objek telur agar ketika saat kamera melakukan klasifikasi tidak ada objek telur maka akan mengeluarkan output tidak ada objek yaitu semua dataset ada 4 label. Penelitian ini bertujuan untuk membuat sebuah sistem aplikasi deteksi objek kualitas telur berdasarkan warna dan tekstur dari kerabang telur menggunakan Convolutional Neural Network (CCN). Metode ini memungkinkan untuk deteksi kerabang telur peternak secara real time untuk menilai kualitas telur peternak tersebut. 2 (dua) jenis dataset yang digunakan dalam penelitian ini untuk melatih model CNN yang berbeda beda yaitu dataset default dan dataset cropping. Hasil dari beberapa uji coba yang dilakukan menunjukkan bahwa model CNN arsitektur MobileNetV3 Large dengan dataset perbandingan 80:20, dimana data dibagi menjadi 80% sebagai data latih dan 20% data uji mencapai nilai akurasi 96.67% dan loss 0.84% untuk pelatihan dan nilai akurasi 98% pengujian dengan confusion matrix. Uji coba menggunakan User Acceptance Testing (UAT) aplikasi deteksi kualitas telur mendapat nilai rata – rata 79% dari keseluruhan jawaban, menunjukkan tingkat keberhasil menandakan bahwa penggunaan aplikasi dapat diterima dengan cukup baik.

Actions (login required)

View Item