KLASIFIKASI UKURAN TELUR AYAM MENGGUNAKAN CANNY, EKSTRAKSI FITUR, DAN CNN

Abstract

Klasifikasi ukuran telur ayam merupakan aspek penting dalam industri peternakan untuk meningkatkan efisiensi dalam penanganan dan distribusi. Saat ini, proses klasifikasi masih banyak dilakukan secara manual, yang rentan terhadap kesalahan dan kurang efisien. Penelitian ini bertujuan mengembangkan sistem klasifikasi otomatis menggunakan metode deteksi tepi Canny, ekstraksi fitur citra, dan Convolutional Neural Network (CNN). Metode ini dipilih karena kemampuannya mengidentifikasi objek secara akurat dengan pemrosesan yang lebih cepat dibandingkan metode konvensional. Penelitian dilakukan dengan tahap pengolahan citra, ekstraksi fitur seperti luas, perimeter, eccentricity, dan solidity, serta pelatihan model CNN menggunakan dataset telur berbagai ukuran. Hasil pengujian menunjukkan bahwa sistem yang dikembangkan mencapai akurasi 100%, presisi 100%, dan recall 100%, membuktikan efektivitas metode yang diterapkan. Pendekatan ini menawarkan solusi yang lebih efisien dalam klasifikasi ukuran telur, mendukung otomatisasi di industri peternakan, serta meningkatkan konsistensi dan akurasi dalam distribusi telur.