Identifikasi Telur Ayam Fertil dan Infertil Melalui Citra Candling Menggunakan Algoritma Vision Transformer

Muhammad Fadhil Akmal B. Paloloang; Nouval Trezandy Trezandy Lapatta; Mohammad Yazdi; Yusuf Anshori

doi:10.29100/jipi.v10i3.6298

Identifikasi Telur Ayam Fertil dan Infertil Melalui Citra Candling Menggunakan Algoritma Vision Transformer

Muhammad Fadhil Akmal B. Paloloang
Nouval Trezandy Trezandy Lapatta - [ https://orcid.org/0000-0002-0959-9596 ]
Mohammad Yazdi
Yusuf Anshori

DOI: https://doi.org/10.29100/jipi.v10i3.6298

Abstract

Telur ayam merupakan salah satu komoditas utama dalam industri peternakan unggas. Pengelolaan telur menjadi masalah yang perlu mendapat perhatian khusus agar terhindar dari kerugian, salah satunya yaitu dengan melakukan pengecekan kesuburan telur. Candling merupakan metode konvensional yang kerap digunakan untuk melakukan pengecekan, akan tetapi rawan akan terjadinya kesalahan dalam mengidentifikasi karena menggunakan cara manual dan tentunya akan menghabiskan waktu. Oleh karena itu diperlukan sebuah sistem untuk dapat membantu peternak dalam melakukan identifikasi secara otomatis guna meningkatkan kualitas produksi telur. Dataset pada penelitian ini menerapkan teknik Contrast Limited Adaptive Histogram Equalization (CLAHE) untuk meningkatkan kontras dan mempertegas pola embrio pada citra telur. Sistem identifikasi dibangun menggunakan algoritma Vision Transformer (ViT), yang merupakan arsitektur berbasis Transformer yang dapat memahami hubungan atau relasi diantara berbagai bagian gambar. Dataset terbagi atas dua kelas dengan total keseluruhan dataset berjumlah 228 citra, dengan hasil akurasi pelatihan yang didapatkan sebesar 99,77% dan akurasi validasi sebesar 98,03%. Pengujian confusion matrix dan ROC AUC dilakukan menggunakan data baru diluar dari data pelatihan, model mampu menentukan kelas telur fertil dan infertil dengan baik, dengan nilai akurasi dan recall sebesar 95%, dan nilai ROC AUC sebesar 99,68%. Hasil dari penelitian ini dapat membantu dan mempermudah peternak dalam mengidentifikasi telur fertil dan infertil agar kualitas produksi telur senantiasa terjaga dan dapat memastikan bahwa kondisi telur tetap berkembang.

Keywords

Telur Fertil dan Infertil; Vision Trans-former; CLAHE; Identifikasi; Confusion Matrix; ROC AUC

Full Text:

PDF

Article Metrics :

References

R. Nurlaili and B. U. Aulia, “Penentuan Lokasi Sentra Produksi Komoditas Telur Ayam Ras di Kabupaten Blitar,” Jurnal Teknik ITS, vol. 8, no. 2, Feb. 2020, doi: 10.12962/j23373539.v8i2.46980.

D. R. Siwi, R. H. Pratiwi, and S. Noer, “Analisa Kandungan Bakteri Salmonella sp. pada Telur Ayam dari Pasar Tradisional di Jakarta Selatan,” Bioscientist : Jurnal Ilmiah Biologi, vol. 11, no. 2, p. 1041, Dec. 2023, doi: 10.33394/bioscientist.v11i2.8375.

B. P. Suciati, L. Herlina, and S. Kuswaryan, “Manajemen Penetasan Telur Tetas Ayam Sentul (Studi Kasus di UPTD. Balai Pengem-bangan Perbibitan Ternak Unggas (BPPTU) Jatiwangi),” Jurnal Ilmiah Ilmu-Ilmu Peternakan, vol. 26, no. 2, pp. 80–88, Nov. 2023, doi: 10.22437/jiiip.v26i2.25954.

K. Assersohn, A. F. Marshall, F. Morland, P. Brekke, and N. Hemmings, “Why do eggs fail? Causes of hatching failure in threatened populations and consequences for conservation,” Aug. 01, 2021, John Wiley and Sons Inc. doi: 10.1111/acv.12674.

U. Usman, N. Kusrianty, S. Supamri, and N. Nilasari, “Pengaruh Pemberian Minyak Cengkeh Terhadap Daya Tetas dan Mortalitas Telur Itik,” JAGO TOLIS : Jurnal Agrokompleks Tolis, vol. 2, no. 1, p. 14, Jan. 2022, doi: 10.56630/jago.v2i1.185.

F. Fitriani, H. Husmimi, D. Masyitha, and M. Akmal, “Histologis Perkembangan Embrio Ayam pada Masa Inkubasi Satu sampai Tujuh Hari,” Jurnal Agripet, vol. 21, no. 1, Apr. 2021, doi: 10.17969/agripet.v21i1.18449.

K. K. Çevik, H. E. Koçer, and M. Boğa, “Deep Learning Based Egg Fertility Detection,” Vet Sci, vol. 9, no. 10, Oct. 2022, doi: 10.3390/vetsci9100574.

C. A. Hall, D. A. Potvin, and G. C. Conroy, “A new candling procedure for thick and opaque eggs and its application to avian conser-vation management,” Zoo Biol, vol. 42, no. 2, pp. 296–307, Mar. 2023, doi: 10.1002/zoo.21730.

M. R. Firdaus, “Penerapan Algoritma Convolutional Neural Network dalam Klasifikasi Telur Ayam Fertil dan Infertil Berdasarkan Hasil Candling,” Jurnal Informatika Universitas Pamulang, vol. 5, no. 4, p. 563, Dec. 2021, doi: 10.32493/informatika.v5i4.8556.

D. S. Prasvita, M. M. Santoni, R. Wirawan, and N. Trihastuti, “KLASIFIKASI POHON KELAPA SAWIT PADA DATA FUSI CITRA LIDAR DAN FOTO UDARA MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK,” JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika), vol. 6, no. 2, pp. 406–415, Dec. 2021, doi: 10.29100/jipi.v6i2.2437.

A. Dosovitskiy et al., “An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale,” Oct. 2020, [Online]. Availa-ble: http://arxiv.org/abs/2010.11929

C. K. Tan, K. M. Lim, R. K. Y. Chang, C. P. Lee, and A. Alqahtani, “HGR-ViT: Hand Gesture Recognition with Vision Transformer,” Sensors, vol. 23, no. 12, p. 5555, Jun. 2023, doi: 10.3390/s23125555.

S. Aladhadh, M. Alsanea, M. Aloraini, T. Khan, S. Habib, and M. Islam, “An Effective Skin Cancer Classification Mechanism via Medical Vision Transformer,” Sensors, vol. 22, no. 11, Jun. 2022, doi: 10.3390/s22114008.

A. Pangestu, B. Purnama, and R. Risnandar, “Vision Transformer untuk Klasifikasi Kematangan Pisang,” Jurnal Teknologi Informasi dan Ilmu Komputer, vol. 11, no. 1, pp. 75–84, Feb. 2024, doi: 10.25126/jtiik.20241117389.

S. Saifullah et al., “Nondestructive Chicken Egg Fertility Detection Using CNN-Transfer Learning Algorithms,” Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI), vol. 9, no. 3, pp. 854–871, 2023, doi: 10.26555/jiteki.v9i3.26722.

S. Saifullah and A. P. Suryotomo, “Identification of chicken egg fertility using SVM classifier based on first-order statistical feature extraction,” ILKOM Jurnal Ilmiah, vol. 13, no. 3, pp. 285–293, Dec. 2021, doi: 10.33096/ilkom.v13i3.937.285-293.

S. Saifullah, “Segmentasi Citra Menggunakan Metode Watershed Transform Berdasarkan Image Enhancement Dalam Mendeteksi Embrio Telur,” Systemic: Information System and Informatics Journal, vol. 5, no. 2, pp. 53–60, Mar. 2020, doi: 10.29080/systemic.v5i2.798.

M. Opoku, B. A. Weyori, A. F. Adekoya, and K. Adu, “CLAHE-CapsNet: Efficient retina optical coherence tomography classification using capsule networks with contrast limited adaptive histogram equalization,” PLoS One, vol. 18, no. 11 November, Nov. 2023, doi: 10.1371/journal.pone.0288663.

S. Sanagavarapu, S. Sridhar, and T. V. Gopal, “COVID-19 Identification in CLAHE Enhanced CT scans with class imbalance using ensembled ResNets,” in 2021 IEEE International IOT, Electronics and Mechatronics Conference, IEMTRONICS 2021 - Proceedings, Institute of Electrical and Electronics Engineers Inc., Apr. 2021. doi: 10.1109/IEMTRONICS52119.2021.9422556.

D. Setyawan, A. Wuryandari, and R. A. Wibowo, “PENINGKATAN KUALITAS CITRA MALARIA MENGGUNAKAN METODE CONTRAST ENHANCEMENT BERBASIS HISTOGRAM,” Jurnal Informatika dan Komputer) Akreditasi KEMENRISTEKDIKTI, vol. 5, no. 3, 2022, doi: 10.33387/jiko.

E. Park, S. Lohumi, and B. K. Cho, “Line-scan imaging analysis for rapid viability evaluation of white-fertilized-egg embryos,” Sens Actuators B Chem, vol. 281, pp. 204–211, Feb. 2019, doi: 10.1016/J.SNB.2018.10.109.

J. Sanjaya and M. Ayub, “Augmentasi Data Pengenalan Citra Mobil Menggunakan Pendekatan Random Crop, Rotate, dan Mixup,” Jurnal Teknik Informatika dan Sistem Informasi, vol. 6, no. 2, Aug. 2020, doi: 10.28932/jutisi.v6i2.2688.

Q. Zheng, M. Yang, X. Tian, N. Jiang, and D. Wang, “A full stage data augmentation method in deep convolutional neural network for natural image classification,” Discrete Dyn Nat Soc, vol. 2020, 2020, doi: 10.1155/2020/4706576.

M. R. A. Yudianto, K. Kusrini, and H. Al Fatta, “Analisis Pengaruh Tingkat Akurasi Klasifikasi Citra Wayang dengan Algoritma Con-volitional Neural Network,” Jurnal Teknologi Informasi, vol. 4, no. 2, pp. 182–191, Dec. 2020, doi: 10.36294/jurti.v4i2.1319.

R. Uthama, Yuhandri, and Billy Hendrik, “Vision Transformer untuk Identifikasi 15 Variasi Citra Ikan Koi,” Jurnal CoSciTech (Com-puter Science and Information Technology), vol. 5, no. 1, pp. 159–168, May 2024, doi: 10.37859/coscitech.v5i1.6711.

S. Asy Syifa and I. Amelia Dewi, “Arsitektur Resnet-152 dengan Perbandingan Optimizer Adam dan RMSProp untuk Mendeteksi Penyakit Paru-Paru,” Journal MIND Journal | ISSN, vol. 7, no. 2, pp. 139–150, 2022, doi: 10.26760/mindjournal.v7i2.139-150.

M. Heydarian, T. E. Doyle, and R. Samavi, “MLCM: Multi-Label Confusion Matrix,” IEEE Access, vol. 10, pp. 19083–19095, 2022, doi: 10.1109/ACCESS.2022.3151048.

M. Azhari, Z. Situmorang, and R. Rosnelly, “Perbandingan Akurasi, Recall, dan Presisi Klasifikasi pada Algoritma C4.5, Random Forest, SVM dan Naive Bayes,” JURNAL MEDIA INFORMATIKA BUDIDARMA, vol. 5, no. 2, p. 640, Apr. 2021, doi: 10.30865/mib.v5i2.2937.

N. L. W. S. R. Ginantra, C. P. Yanti, G. D. Prasetya, I. B. G. Sarasvananda, and I. K. A. G. Wiguna, “Analisis Sentimen Ulasan Villa di Ubud Menggunakan Metode Naive Bayes, Decision Tree, dan K-NN,” Jurnal Nasional Pendidikan Teknik Informatika (JANAPATI), vol. 11, no. 3, pp. 205–215, Dec. 2022, doi: 10.23887/janapati.v11i3.49450.

K. Kristiawan and A. Widjaja, “Perbandingan Algoritma Machine Learning dalam Menilai Sebuah Lokasi Toko Ritel,” Jurnal Teknik Informatika dan Sistem Informasi, vol. 7, no. 1, Apr. 2021, doi: 10.28932/jutisi.v7i1.3182.

Username
Password
Remember me