KLASIFIKASI KUALITAS TELUR BERDASARKAN KERABANG MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK
Abstract
Telur ayam merupakan salah satu bahan pangan yang banyak digemari oleh masyarakat dan memiliki kandungan nutrisi yang sangat dibutuhkan tubuh. Kualitas telur sangat dipengaruhi oleh faktor internal dan eksternal, yang dapat memengaruhi kesegarannya. Penurunan kualitas telur sering disebabkan oleh kerusakan fisik, kontaminasi mikroba, serta kondisi penyimpanan yang tidak tepat. Salah satu bentuk kerusakan yang umum adalah keretakan pada kerabang telur, yang dapat membuka celah bagi masuknya bakteri berbahaya seperti Salmonella. Oleh karena itu, penting untuk melakukan identifikasi kualitas telur secara akurat, terutama untuk mencegah kerugian ekonomi pada peternak dan menjaga kesehatan konsumen. Salah satu metode yang efektif untuk mengidentifikasi kualitas telur adalah dengan menggunakan teknologi pengolahan citra digital, khususnya melalui penerapan Convolutional Neural Network (CNN). Penelitian ini bertujuan untuk mengembangkan dan menerapkan metode CNN dalam mengklasifikasikan kualitas telur ayam berdasarkan kondisi kerabangnya. Dengan menggunakan citra digital yang diambil melalui kamera handphone, diharapkan penelitian ini dapat memberikan solusi praktis dalam klasifikasi kualitas telur, baik untuk konsumsi maupun distribusi di pasar. Hasil yang diharapkan dari penelitian ini adalah tercapainya tingkat akurasi yang tinggi dalam identifikasi kualitas telur, yang dapat mempermudah proses seleksi telur oleh peternak dan konsumen.
Keywords
Full Text:
PDFReferences
E. A. Widyatama, C. Rahmad, and E. Rohadi, “Aplikasi Penentuan Tingkat Kualitas Telur Ayam Berdasarkan Warna Dan Tekstur Citra Kerabang Dengan Metode Hue, Saturation, Value,” J. Inform. Polinema, vol. 6, no. 1, pp. 9–14, 2020, doi: 10.33795/jip.v6i1.286.
A. Y. Kulikov and I. V. Novikov, “Identifikasi Kualitas Internal Telur Dan Faktor Penurunan Kualitas Selama Penyimpanan,” Pharmacoeconomics theory Pract., vol. 5, no. 1, pp. 84–84, 2021, doi: 10.30809/phe.1.2017.21.
M. N. Y. Maulidin Yusuf, I. P. Ramadhani, and A. B. Kaswar, “Identifikasi Kualitas Telur Ayam Berbasis Pengolahan Citra Digital dan Jaringan Syaraf Tiruan,” J. Embed. Syst. Secur. Intell. Syst., vol. 2, no. 1, p. 33, 2021, doi: 10.26858/jessi.v2i1.20314.
R. Aprillyano, A. Sanjaya, and D. W. Widodo, “Klasifikasi Kualitas Telur Ayam Menggunakan Metode K-Means Clustering,” pp. 41–46, 2022, [Online]. Available: http://repository.unpkediri.ac.id/6334/%0Ahttp://repository.unpkediri.ac.id/6334/3/RAMA_55201_18103020097_0706118101_0720117501_01_front_ref.pdf
M. Sholihin, “Implementasi K-Nearest Neighbor Untuk Klasifikasi Grade Telur Ayam Ras Berdasarkan Ukuran,” Inf. J. Ilm. Bid. Teknol. Inf. dan Komun., vol. 4, no. 2, 2019, doi: 10.25139/inform.v4i2.1760.
M. R. Firdaus, “Penerapan Algoritma Convolutional Neural Network dalam Klasifikasi Telur Ayam Fertil dan Infertil Berdasarkan Hasil Candling,” J. Inform. Univ. Pamulang, vol. 5, no. 4, p. 563, 2021, doi: 10.32493/informatika.v5i4.8556.
N. Rahmawati and A. C. Irawan, “Pengaruh Penambahan Herbafit Dalam Pakan Terhadap Kualitas Fisik Telur Ayam Ras Petelur,” J. Nutr. Ternak Trop., vol. 4, no. 1, pp. 1–14, 2021, doi: 10.21776/ub.jnt.2021.004.01.1.
B. I. Mahendra, M. I. Abas, W. E. Pranata, I. Komputer, and U. M. Gorontalo, “Rancang bangun pengaturan pakan ikan nila berbasis internet of things,” no. February, pp. 20–35, 2025.
M. I. Abas, Syafruddin Syarif, Ingrid Nurtanio, and Zulkifli Tahir, “Comparison of Convolutional Neural Network Methods for the Classification of Maize Plant Diseases,” Regist. J. Ilm. Teknol. Sist. Inf., vol. 10, no. 1, pp. 46–59, Mar. 2024, doi: 10.26594/register.v10i1.3656.
M. I. Abas, S. Syarif, I. Nurtanio, and Z. Tahir, “Detection of corn plant diseases using convolutional neural network: A review,” AIP Conf. Proc., vol. 2952, no. 1, p. 40001, Jul. 2024, doi: 10.1063/5.0211960.
Article metrics
Refbacks
- There are currently no refbacks.
Copyright (c) 2025 Jurnal Ilmu Komputer (JUIK)

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
