Klasifikasi Mutu Telur Burung Puyuh Berdasarkan Warna dan Tekstur Menggunakan Metode K-Nearest Neighbor (KNN) dan Fusi Informasi

Kualitas produk merupakan faktor utama untuk menjamin keberlangsungan satu usaha peternakan. Perusahaan telur puyuh yang memiliki ribuan burung Puyuh seperti CV. NS Quail Farm mampu memproduksi ribuan telur dalam sehari karena seekor burung Puyuh mampu menghasilkan 250-300 butir telur per tahun. Pen...

Descripción completa

Guardado en:

Detalles Bibliográficos
Autores principales:	Arwin Datumaya Wahyudi Sumari, Putri Indah Mawarni, Arie Rachmad Syulistyo
Formato:	article
Lenguaje:	ID
Publicado:	University of Brawijaya 2021
Materias:	Technology T Information technology T58.5-58.64
Acceso en línea:	https://doaj.org/article/a3ad3945c33646868502545f5a7ed690
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

id	oai:doaj.org-article:a3ad3945c33646868502545f5a7ed690
record_format	dspace
spelling	oai:doaj.org-article:a3ad3945c33646868502545f5a7ed6902021-11-25T05:01:09ZKlasifikasi Mutu Telur Burung Puyuh Berdasarkan Warna dan Tekstur Menggunakan Metode K-Nearest Neighbor (KNN) dan Fusi Informasi2355-76992528-657910.25126/jtiik.2021854393https://doaj.org/article/a3ad3945c33646868502545f5a7ed6902021-10-01T00:00:00Zhttps://jtiik.ub.ac.id/index.php/jtiik/article/view/4393https://doaj.org/toc/2355-7699https://doaj.org/toc/2528-6579Kualitas produk merupakan faktor utama untuk menjamin keberlangsungan satu usaha peternakan. Perusahaan telur puyuh yang memiliki ribuan burung Puyuh seperti CV. NS Quail Farm mampu memproduksi ribuan telur dalam sehari karena seekor burung Puyuh mampu menghasilkan 250-300 butir telur per tahun. Penyeleksian ribuan telur-telur tersebut dilakukan secara tradisional oleh para pekerja peternakan sehingga kualitas telur-telur hasil seleksi bergantung pada perspektif masing-masing pekerja. Guna memperoleh telur hasil seleksi dengan kualitas yang sama, maka dibangun sebuah sistem pencitraan digital untuk pemilihan telur burung Puyuh berdasarkan fitur warna dan tekstur kulit telur menggunakan metode klasifikasi K-Nearest Neighbor (KNN) yang dikombinasikan dengan fusi informasi. 300 data citra telur burung Puyuh diolah menggunakan normalisasi Red, Green, Blue (RGB) dan Otsu thresholding guna memperoleh fitur warna dan fitur tekstur yang kemudian difusikan menjadi fitur terfusi tunggal sebagai masukan pengklasifikasi KNN. Dari hasil-hasil penelitian, disimpulkan bahwa sistem berhasil mengklasifikasikan mutu telur Baik, Sedang, dan Buruk dengan akurasi rata-rata sebesar 77,78%. Disamping itu, klasifikasi dengan fusi informasi mampu mengungguli klasifikasi tanpa fusi informasi sebesar 11,11% pada nilai yang sama yakni 7 dan fusi informasi juga mampu mempercepat proses klasifikasi sebesar 0,22 detik dibandingkan terhadap klasifikasi tanpa fusi informasi. Abstract The quality of product us a primary factor to ensure the sustainability of a farm business. A company which has thousands of quail such as CV. NS Quail is capable of producing thousand quail eggs in a day because a quail is able to produce 250-300 eggs per year. The selection of the eggs is carried out traditionally by the farm workers so that the quality of the selected eggs are depended on the perspective of each worker. In order to obtain the same quality of the selected eggs, a digital imaging system for quail egg selection based on color feature and texture feature using K-Nearest Neighbor (KNN) combined with information fusion is developed. 300 image data of quail egg was processed using Red, Green, Blue (RGB) and Otsu thresholding to obtain color feature and texture feature which then were fused to become single fused feature as the input to KNN classifier. From the research results, it is concluded that the system was managed to classify egg quality as good, medium, and bad with an accuracy of 77,78%. In addition, the classification with information fusion was able to outperform the classification without information fusion by 11.11% at the same value of 7 and information fusion is also able to accelerate classification process by 0.22 seconds compared to that of without information fusion.Arwin Datumaya Wahyudi SumariPutri Indah MawarniArie Rachmad SyulistyoUniversity of BrawijayaarticleTechnologyTInformation technologyT58.5-58.64IDJurnal Teknologi Informasi dan Ilmu Komputer, Vol 8, Iss 5, Pp 1019-1028 (2021)
institution	DOAJ
collection	DOAJ
language	ID
topic	Technology T Information technology T58.5-58.64
spellingShingle	Technology T Information technology T58.5-58.64 Arwin Datumaya Wahyudi Sumari Putri Indah Mawarni Arie Rachmad Syulistyo Klasifikasi Mutu Telur Burung Puyuh Berdasarkan Warna dan Tekstur Menggunakan Metode K-Nearest Neighbor (KNN) dan Fusi Informasi
description	Kualitas produk merupakan faktor utama untuk menjamin keberlangsungan satu usaha peternakan. Perusahaan telur puyuh yang memiliki ribuan burung Puyuh seperti CV. NS Quail Farm mampu memproduksi ribuan telur dalam sehari karena seekor burung Puyuh mampu menghasilkan 250-300 butir telur per tahun. Penyeleksian ribuan telur-telur tersebut dilakukan secara tradisional oleh para pekerja peternakan sehingga kualitas telur-telur hasil seleksi bergantung pada perspektif masing-masing pekerja. Guna memperoleh telur hasil seleksi dengan kualitas yang sama, maka dibangun sebuah sistem pencitraan digital untuk pemilihan telur burung Puyuh berdasarkan fitur warna dan tekstur kulit telur menggunakan metode klasifikasi K-Nearest Neighbor (KNN) yang dikombinasikan dengan fusi informasi. 300 data citra telur burung Puyuh diolah menggunakan normalisasi Red, Green, Blue (RGB) dan Otsu thresholding guna memperoleh fitur warna dan fitur tekstur yang kemudian difusikan menjadi fitur terfusi tunggal sebagai masukan pengklasifikasi KNN. Dari hasil-hasil penelitian, disimpulkan bahwa sistem berhasil mengklasifikasikan mutu telur Baik, Sedang, dan Buruk dengan akurasi rata-rata sebesar 77,78%. Disamping itu, klasifikasi dengan fusi informasi mampu mengungguli klasifikasi tanpa fusi informasi sebesar 11,11% pada nilai yang sama yakni 7 dan fusi informasi juga mampu mempercepat proses klasifikasi sebesar 0,22 detik dibandingkan terhadap klasifikasi tanpa fusi informasi. Abstract The quality of product us a primary factor to ensure the sustainability of a farm business. A company which has thousands of quail such as CV. NS Quail is capable of producing thousand quail eggs in a day because a quail is able to produce 250-300 eggs per year. The selection of the eggs is carried out traditionally by the farm workers so that the quality of the selected eggs are depended on the perspective of each worker. In order to obtain the same quality of the selected eggs, a digital imaging system for quail egg selection based on color feature and texture feature using K-Nearest Neighbor (KNN) combined with information fusion is developed. 300 image data of quail egg was processed using Red, Green, Blue (RGB) and Otsu thresholding to obtain color feature and texture feature which then were fused to become single fused feature as the input to KNN classifier. From the research results, it is concluded that the system was managed to classify egg quality as good, medium, and bad with an accuracy of 77,78%. In addition, the classification with information fusion was able to outperform the classification without information fusion by 11.11% at the same value of 7 and information fusion is also able to accelerate classification process by 0.22 seconds compared to that of without information fusion.
format	article
author	Arwin Datumaya Wahyudi Sumari Putri Indah Mawarni Arie Rachmad Syulistyo
author_facet	Arwin Datumaya Wahyudi Sumari Putri Indah Mawarni Arie Rachmad Syulistyo
author_sort	Arwin Datumaya Wahyudi Sumari
title	Klasifikasi Mutu Telur Burung Puyuh Berdasarkan Warna dan Tekstur Menggunakan Metode K-Nearest Neighbor (KNN) dan Fusi Informasi
title_short	Klasifikasi Mutu Telur Burung Puyuh Berdasarkan Warna dan Tekstur Menggunakan Metode K-Nearest Neighbor (KNN) dan Fusi Informasi
title_full	Klasifikasi Mutu Telur Burung Puyuh Berdasarkan Warna dan Tekstur Menggunakan Metode K-Nearest Neighbor (KNN) dan Fusi Informasi
title_fullStr	Klasifikasi Mutu Telur Burung Puyuh Berdasarkan Warna dan Tekstur Menggunakan Metode K-Nearest Neighbor (KNN) dan Fusi Informasi
title_full_unstemmed	Klasifikasi Mutu Telur Burung Puyuh Berdasarkan Warna dan Tekstur Menggunakan Metode K-Nearest Neighbor (KNN) dan Fusi Informasi
title_sort	klasifikasi mutu telur burung puyuh berdasarkan warna dan tekstur menggunakan metode k-nearest neighbor (knn) dan fusi informasi
publisher	University of Brawijaya
publishDate	2021
url	https://doaj.org/article/a3ad3945c33646868502545f5a7ed690
work_keys_str_mv	AT arwindatumayawahyudisumari klasifikasimututelurburungpuyuhberdasarkanwarnadanteksturmenggunakanmetodeknearestneighborknndanfusiinformasi AT putriindahmawarni klasifikasimututelurburungpuyuhberdasarkanwarnadanteksturmenggunakanmetodeknearestneighborknndanfusiinformasi AT arierachmadsyulistyo klasifikasimututelurburungpuyuhberdasarkanwarnadanteksturmenggunakanmetodeknearestneighborknndanfusiinformasi
_version_	1718414656304840704

Klasifikasi Mutu Telur Burung Puyuh Berdasarkan Warna dan Tekstur Menggunakan Metode K-Nearest Neighbor (KNN) dan Fusi Informasi

Ejemplares similares