IMPLEMENTASI ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN) UNTUK DETEKSI KESEGARAN TELUR BERBASIS ANDROID
Main Article Content
Abstract
Telur memiliki tingkat kandungan dan kualitas yang berbeda dari setiap telurnya. Oleh karena itu, telur dapat diteropong secara manual dengan alat Egg Candler dengan melihat dari sisi pencahayaan dan dapat memprediksi telur yang merupakan cara yang belum dikatakan cukup akurat. Sehingga dengan perkembangan zaman ini, penulis membuat sebuah aplikasi untuk memprediksi kualitas telur dengan akurat dan relatif lebih cepat. Pembuatan aplikasi Egg Detection ini dapat dikembangkan untuk mengklasifikasikan data citra telur menggunakan algoritma Convolutional Neural Network (CNN). Sehingga model dari hasil pelatihan tersebut akan di ekspor dan di integrasikan ke aplikasi android sebagai data yang dapat memprediksi kualitas telur tersebut, dengan menggunakan metode algoritma Convolutions Neural Network (CNN) dapat mengklasifikasikan suatu objek data citra telur dengan menghitung probabilitas setiap kelas menghasilkan keluaran numerik biner dengan nilai 0 dan 1. model data dari hasil pelatihan dapat dilihat dari tingkat akurasi yang diperoleh sebesar 95% dan di export ke data tensorflow yang dapat diintegrasikan pada aplikasi berbasis android.
Downloads
Article Details
This work is licensed under a Creative Commons Attribution 4.0 International License.
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work
References
[2] Arinal Haq Safira, “Deteksi Telur Busuk Pada Citra Telur Ayam Menggunakan Metode Image Thresholding,” Probolinggo, 2017.
[3] V. M. P. Salawazo, D. P. J. Gea, R. F. Gea, and F. Azmi, “Implementasi Metode Convolutional Neural Network (CNN) Pada Peneganalan Objek Video Cctv,” Jurnal Mantik Penusa, vol. 3, no. 1.1, 2019.
[4] P. A. Nugroho, I. Fenriana, and R. Arijanto, “Implementasi Deep Learning Menggunakan Convolutional Neural Network (Cnn) Pada Ekspresi Manusia,” Algor, vol. 2, no. 1, pp. 12–20, 2020.
[5] I. Wulandari, H. Yasin, and T. Widiharih, “Klasifikasi citra digital bumbu dan rempah dengan algoritma convolutional neural network (cnn),” Jurnal Gaussian, vol. 9, no. 3, pp. 273–282, 2020.
[6] I. Ismoyowati, “Potensi Telur Sebagai Immunomodulatory Food Di Masa New Normal Pasca Pandemi Covid 19,” in Prosiding Seminar Teknologi Agribisnis Peternakan (Stap) Fakultas Peternakan Universitas Jenderal Soedirman, 2020, vol. 7, pp. 24–35.
[7] N. Nafi’iyah and S. Mujilahwati, Buku Ajar Citra Binarisasi Dan Enhancement. Deepublish, 2018.
[8] I. Suhardin, A. Patombongi, and A. M. Islah, “Mengidentifikasi Jenis Tanaman Berdasarkan Citra Daun Menggunakan Algoritma Convolutional Neural Network,” Simtek: jurnal sistem informasi dan teknik komputer, vol. 6, no. 2, pp. 100–108, 2021.
[9] R. N. Izah, “Klasifikasi Nominal Uang Kertas Rupiah Tahun Emisi 2017 dengan Algoritma Convolutional Neural Network Menggunakan MXNET,” 2018.
[10] L. Agnogiri, “Pengembangan Media Pembelajaran Pendidikan Agama Islam Berbasis Aplikasi Autoplay Media Studio Pada Materi Sholat Berjama’ah Kelas Vii Di Smp,” 2022.