PENGOLAHAN CITRA DIGITAL PREDIKSI BOBOT SAPI MENGGUNAKAN EKSTRAKSI FITUR CANNY DAN KLASIFIKASI K-NEAREST NEIGHBOR
(1) * Iip Supiyani Mail (University Singaperbangsa Karawang, Indonesia)
(2) Jajam Haerul Mail (University Singaperbangsa Karawang, Indonesia)
(3) Tesa Nur Padilah Mail (University Singaperbangsa Karawang, Indonesia)
*corresponding author

Abstract


Produktivitas utama sapi potong adalah bobot badan sapi, yang menentukan kinerja pengelolaan sapi. Berat sapi dapat dihitung dengan mengalikan beratnya dengan persentase 85-100 persen yang telah ditentukan sebelumnya. Metode tradisional, perhitungan formula, dan perkiraan visual manusia semuanya dapat digunakan untuk menentukan berat sapi. Di sisi lain, penimbangan sapi secara manual dianggap berat. Dengan membangun sistem dalam program aplikasi yang ditujukan untuk mengatasi masalah dalam peramalan berat badan sapi, Teknologi Informasi dan Komputasi dapat digunakan untuk membantu memberikan solusi alternatif untuk masalah ini, seperti menggunakan pemrosesan citra digital untuk mengidentifikasi ukuran tubuh sapi yang sebenarnya. Sistem prediksi bobot sapi yang telah dibangun pada program aplikasi ini mengambil input berupa foto atau gambar sapi dan menghasilkan output berupa bobot sapi serta klasifikasi ternak berdasarkan bobot sapi yang diterima. Pendekatan ekstraksi fitur Canny Edge Detection dan klasifikasi K-Nearest Neighbor (KNN) digunakan dalam pekerjaan ini untuk membuat sistem untuk perangkat lunak aplikasi prediksi berat sapi. Anda dapat menghitung berat sapi dengan persentase 100 persen menggunakan rumus Schrool. Matlab digunakan untuk membuat program aplikasi yang digunakan untuk menaksir bobot sapi. Dengan waktu komputasi 9.161s, kombinasi metode canny dan klasifikasi K-NN dapat menghasilkan sistem dalam program aplikasi yang memiliki akurasi prediksi 97,46 persen dan akurasi klasifikasi 90 persen.

 


Keywords


Sapi, Schrool, Canny Edge Detection, K-Nearest Neighbor

   

DOI

https://doi.org/10.31604/jips.v8i7.2021.2204-2212 		      

Article metrics

10.31604/jips.v8i7.2021.2204-2212 Abstract views : 0 | PDF views : 0

   

Cite

How to cite item
   

Full Text

Download

References


Blakely, J&D. A. Bade. (1998). Ilmu Peternakan. Terjemahan : B.Srigandono. Yogyakarta : Gajahmada University Press.

R. H. Sianipar, Herry S. dan I. K. Wiryajati. (2013). Matlab Untuk Pemrosesan Citra Digital. Bandung : Penerbit Informatika.

Wijaya, Marvin Ch. dan Agus P. (2007). Pengolahan Citra Digital Menggunakan MATLAB Image Procesing Toolbox. Bandung : Penerbit Informatika.

Kusrini dan Emha Taufiq Luthfi. (2009). Algoritma Data Mining. Yogyakarta: ANDI

Munir, Rinaldi. (2008). Pengolahan Citra Digital dengan Pendekatan Algoritmik. Bandung : Penerbit Informatika.

R. H. Sianipar, Herry S. dan I. K. Wiryajati. (2013). Matlab Untuk Pemrosesan Citra Digital. Bandung : Penerbit Informatika.

A. Prajitno dan A. Purwarianti, (2011). “Prediksi Kinerja Penjualan Karya Musik Menggunakan Framework CRISP-DM (Studi Kasus: X Music Indonesia),†Jurnal Sarjana Institut Teknologi Bandung bidang Teknik Elektro dan Informatika

Listianto Raharjo, Bambang Hidayat, Muhammad Fatah W, (2019). ‘Estimasi Bobot Ternak dengan Metode Deformable Template dan Klasifikasi SVM’. Universitas Telkom e-Proceeding of Engineering : vol.6, 712-713.

H. Surahman, A. Fuja, dan I. Rubandu. (2017). ‘Pengenalan jenis Pempek Meggunakan Metode Canny & K-Nearet Neighbor(KNN) Berdasarkan Bentuknya’. STMIK GI MDP Palembang JATISI (Jurnal Tek. Inform dan Sist. Informasi), vol.1, no. 14, 1-11.https://docplayer.info/

Oyeranmi A, Babatunde R, Rufai Mohammed, Aigbokhan, (2020). ‘Detection of Fracture Bones in X-ray Images Categorization’. Kwara State University, Malete, Nigeria. British Journal of Mathematics & Computer Science.

Erwin, (2020). ‘Perancangan Sistem Pengolahan Citra Untuk Menentukan Bobot Kerbau Menggunakan Metode Canny Edge Detection’. Universitas Budi darma Medan. Jurnal Majalah Ilmiah Inform dan teknologi Ilmiah (INTI). Vol.7, No2, 175-181. https://duniasapi.com/

Yandi S. Arie, Primadasa, Yogi, (2018).’Penerapan Teknik Klasifikasi Untuk Prediksi Kelulusan Mahasiswa Menggunakan Algoritma K-Nearest Neighbour’. STMIK Bina Nusantara Jaya Lubuklinggau. Techno.COM, Vol. 17, No 4, 395-403. https://publikasi.dinus.ac.id/

Permana S. Indra, Prabowo harry, dan M. bayu Wibisono, (2019). ‘Penerapan Algoritma K-Nearest Neighbour Untuk Mengidentifikasi Jenis Biji Kopi Arabika Dan Robusta’. Universitas Pembangunan Nasional Jakarta.Jurnal Informatika, Vol 15, No 2, 91-101 https://ejournal.upnvj.ac.id/

Noviyanti P, Ksrini, Mei P. Kurniawan, (2019). ‘Segmentasi Citra Ikan Arwana Super Red Berdasarkan Deteksi Tepi Menggunakan Algoritma Canny’. Universitas AMIKOM Yogyakarta. Jurnal Tek. Informasi, Vol 3, No 2, 200-206. https://jurnal.una.ac.id/

Samhis Setiawan, (2021). Penjelasan Ciri Hewan Sapi dalam Biologi http.gurupendidikan.co.id/hewan-sapi/

Robi Agustiar, (2015). Industri Penggemukan Sapi di Indonesia. https://supplychainindonesia.com/

Departemen Pertanian. (2009). Tentang Rekomendasi Persetujuan Pemasukan dan Pengeluaran Ternak ke dalam dan keluar Negeri. Peraturan Menteri Pertanian Nomor 52/Permentan/OT.140/9/2011.http://disnak.jatimprov.go.id/

SM BLOG, math and science, (2016). Konversi Cm ke Pixel dan Pixel ke Cm.

http://sejarahmatematika1.blogspot.com/

Ilmu Ternak. (2015). Pendugaan Bobot Badan Ternak dengan Berbagai Macam Rumus.

https:// ilmuternak.com/

Adissusanta, (2015). Reprensentasi Citra Digital. https://putuadisusanta.wordpress.com/


Refbacks

  • There are currently no refbacks.


Bookmark and Share