Klasifikasi Kualitas Cangkang Telur Ayam Menggunakan EfficientNet Berbasis Citra Digital H K Putri1, B H Iswanto, dan H Suhendar
Universitas Negeri Jakarta
Abstract
Keretakan telur sering terjadi selama proses distribusi, baik yang terlihat dengan jelas maupun yang tidak terlihat secara kasat mata. Retakan pada cangkang telur menjadi perhatian serius karena berpotensi menyebabkan kontaminasi dan risiko kesehatan bagi konsumen. Pada penelitian ini keretakan cangkang telur ayam diklasifikasi berdasarkan citra digital dengan menggunakan Convolutional Neural Network (CNN)-EfficientNet. Eksperimen dilakukan dengan sampel 300 gambar telur dalam tiga kondisi- bagus, retak, dan pecah, masing-masing kondisi terdiri dari 100 gambar. Pengambilan gambar dilakukan dengan menggunakan kamera DSLR yang telah terkalibrasi dan berlatar belakang stabil. Pra-pemrosesan data meliputi cropping, resize, dan augmentasi. Splitting data dilakukan dengan proporsi 80:20. Hyperparameter menggunakan optimizer Adam dengan 50 iterasi dan batch 32. Performa model dievaluasi menggunakan metrik loss function (sparse categorical crossentropy), akurasi, dan confusion matrix. Klasifikasi menggunakan EfficientNet-B0 hingga B3 menghasilkan akurasi, presisi, recall, dan F1-Score berturut-turut 94,52%, 95,75%, 95,71%, dan 95,73%- 94,05%, 94,09%, 94,05%, dan 94,02%- 94,52%, 94,56%, 94,52%, dan 94,54%- 97,14%, 97,19%, 97,14%, dan 97,15%. Berdasarkan hasil yang diperoleh, klasifikasi menggunakan EfficientNet menunjukkan peningkatan performa seiring dengan meningkatnya kompleksitas model. Hasil penelitian menunjukkan bahwa citra keretakan cangkang telur ayam dapat dimanfaatkan untuk identifikasi kualitas telur dan dikembangkan untuk klasifikasi kualitas telur ayam.
Keywords: Cangkang Telur, CNN, Pengolahan Citra Digital
