Penerapan Algoritma Convolutional Neural Network (CNN) untuk Deteksi Telur Bebek Fertil dan Infertil

Abstract

Dalam penetasan telur bebek, telur yang infertil perlu disortir dari mesin tetas agar tidak membusuk di dalamnya. Proses penyortiran umumnya dilakukan dengan meneropong telur menggunakan senter atau lampu yang diletakkan di balik telur. Tujuan dari penelitian ini adalah untuk mengembangkan sistem deteksi telur bebek fertil dan infertil menggunakan algoritma Convolutional Neural Network (CNN) guna menggantikan peneropongan secara manual, karena tingkat kelelahan manusia dapat menyebabkan kesalahan dalam penyortiran telur bebek fertil dan infertil. Model yang digunakan dalam penelitian ini adalah You Only Look Once (YOLO), yang merupakan salah satu model deep learning yang efektif untuk pengenalan objek. Penelitian ini terdiri dari beberapa tahap, yaitu pengumpulan data, pra-proses data, konfigurasi jaringan YOLO, pelatihan model YOLO, dan pengujian. Jumlah data citra yang digunakan dalam penelitian ini sebanyak 800, yang terdiri dari dua jenis telur bebek, yaitu fertil dan infertil. Hasil pengujian yang dilakukan sebanyak 40 kali menunjukkan bahwa dengan menggunakan algoritma Convolutional Neural Network (CNN), akurasi yang dicapai dalam membedakan telur bebek fertil dan infertil mencapai sekitar 95%. Hasil ini menunjukkan bahwa CNN memiliki potensi yang signifikan dalam membedakan telur bebek fertil dari infertil, serta memberikan solusi yang cepat dan efisien bagi peternak bebek.