IDENTIFIKASI CACAT RETAK PADA TELUR AYAM RAS DENGAN PENDEKATAN CONVOLUTIONAL NEURAL NETWORK (CNN)

Abstract

Keretakan pada cangkang telur ayam ras yang tidak terdeteksi secara visual dapat meningkatkan risiko kontaminasi bakteri serta menurunkan kualitas produk selama proses distribusi. Permasalahan utama dalam inspeksi kualitas telur terletak pada metode pemeriksaan manual yang bersifat subjektif, kurang konsisten, dan tidak efisien dalam skala besar. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi otomatis berbasis citra guna mendeteksi keretakan pada cangkang telur ayam ras menggunakan metode Convolutional Neural Network (CNN). Dataset yang digunakan terdiri dari 450 citra RGB telur ayam ras bercangkang cokelat yang diklasifikasikan ke dalam dua kelas, yaitu telur retak dan tidak retak, serta dibagi menjadi data pelatihan, validasi, dan pengujian. Tahap praproses dilakukan melalui teknik augmentasi citra, meliputi rotasi, flipping, penskalaan, penyesuaian kecerahan dan kontras, penambahan noise, serta blur untuk meningkatkan kemampuan generalisasi model. Metode yang diterapkan meliputi penggunaan arsitektur CNN pralatih, yaitu InceptionV3, ResNet50, dan VGG19, dengan evaluasi kinerja berdasarkan confusion matrix yang mencakup akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model InceptionV3 memiliki kinerja terbaik dibandingkan model lainnya pada seluruh metrik evaluasi