Implementasi Metode Segmentasi Cnny Untuk Klasifikasi Telur Ayam Retak Menggunakan Algoritma Support Vector Machine

Penelitian ini bertujuan untuk mengklasifikasikan telur kedalam kategori telur retak dan telur utuh menggunakan metode pengolahan citra digital berbasis machine learning. Permasalahan dalam penelitian ini adalah adanya keterbatasan dalam sistem sortir manual yang sering menyebabkan hasil sortir yang tidak konsisten. Metode yang digunakan meliputi tahap pengolahan citra digital yang didalamnya mencakup grayscale, resize dan padding, clahe, median filtering, metode deteksi tepi canny dan ekstraksi fitur dengan histogram oriented gradien (HOG). Selanjutnya pada tahap pelatihan model dilakukan reduksi dimensi dengan pricipal component analysis (PCA), klasifikasi menggunakan algoritma support vector machine dengan kernel Radial Basis Function (RBF), lalu di evaluasi dengan menggunakan confusion matrix, akurasi, presision, recall dan F1-score. Hasil yang didapatkan dari pengujian model klasifikasi menunjukkan model mendapatkan akurasi sebesar 87%, presisi 89%, recall 84% dan f1-score 85%. Hasil tersebut menunjukkan model klasifikasi yang dibangun memiliki kinerja yang baik dalam mengklasifikasikan telur ke dalam kategori telur retak dan telur utuh.

Kata Kunci: canny edge detection, histogram oriented gradien, machine learning, pengolahan citra, support vector machine, telur.