Klasifikasi kualitas telur menggunakan Support Vector Machine berbasis Fusi Image dan Non-Image faktor Eksternal dan Internal Telur

ABSTRAK

Penelitian ini membahas klasifikasi kualitas telur ayam berbasis penggabungan faktor eksternal dan internal dengan metode Support Vector Machine (SVM). Faktor eksternal yang digunakan meliputi warna cangkang, kebersihan, tekstur, dan berat telur, sedangkan faktor internal mencakup kondisi putih telur, kuning telur, bau, serta keberadaan bintik hitam. Data diperoleh melalui pengambilan citra digital dan pengukuran langsung dengan total 800 sampel telur komersial (Gallus gallus domesticus). Proses prapengolahan data meliputi grayscale conversion dan ekstraksi fitur tekstur menggunakan Gray Level Co-occurrence Matrix (GLCM). Model klasifikasi dibangun menggunakan SVM dengan kernel linear dan polinomial untuk membandingkan akurasi. Hasil penelitian menunjukkan bahwa penggabungan faktor eksternal dan internal meningkatkan performa klasifikasi secara signifikan dibandingkan jika hanya menggunakan salah satu faktor. Selain itu, SVM kernel polinomial menghasilkan akurasi yang lebih tinggi dibandingkan kernel linear dengan nilai akurasi sebesar 0.87% dengan degree 3 serta C 2.0, adapun nilai presisinya sebesar 0.89% untuk nilai recallnya sebesar 0.78%.

ABSTRACT

The research discusses the classification of chicken egg quality based on a combination of external and internal factors using the Support Vector Machine (SVM) method. External factors include shell color, cleanliness, textures, and egg weight. Meanwhile, the internal factors include the condition of the egg white, yolk, smell, and the existence of a black dot. The researcher collected the data by capturing digital images and conducting direct measurements on 800 total samples of commercial eggs (Gallus gallus domesticus). The pre-data processing involves grayscale conversion and texture feature extraction using the Gray Level Co-occurrence Matrix (GLCM). The building of the classification model employs the SVM with linear and polynomial kernels to compare the accuracy. The research results indicate that the combination of external and internal factors significantly improves classification performance compared to using either factor alone. Additionally, the polynomial kernel SVM yields better accuracy than the linear kernel, with an accuracy level of 0.87%, degree 3, and C = 2.0. Furthermore, the precision level is 0.89%, corresponding to a recall value of 0.78%.

مستخلص البحث

تبحث هذه اللاسالة في تصنيف جودة بيض الدجاج على أساس دمج العوامل الخارجية والداخلية باستخدام خوارزمية آلة المتّجه الداعم (SVM). تشمل العوامل الخارجية المستخدمة لون القشرة، النظافة، الملمس، ووزن البيض، بينما تشمل العوامل الداخلية حالة بياض البيض وصفار البيض والرائحة ووجود البقع السوداء. تم الحصول على البيانات من خلال التقاط الصور الرقمية والقياسات المباشرة بإجمالي 800 عينة من البيض التجاري أي سلالة مستأنسة من دجاج الأدغال الأحمر (Gallus gallus domesticus). تشمل عملية معالجة البيانات الأولية تحويل الصور إلى تدرجات الرمادي واستخراج ميزات الملمس باستخدام مصفوفة التواجد المشترك للمستوى الرمادي (GLCM). تم بناء نموذج التصنيف باستخدام خوارزمية SVM مع النوى الخطية والمتعددة الحدود لمقارنة الدقة. أظهرت النتائج أن دمج العوامل الخارجية والداخلية يحسن أداء التصنيف بشكل ملحوظ مقارنة باستخدام أحد العوامل فقط. بالإضافة إلى ذلك، أنتج خوارزمية SVM بالنواة متعددة الحدود دقة أعلى مقارنة بالنواة الخطية، حيث بلغت قيمة الدقة 0.87% بدرجة 3 و ج 2.0، بينما بلغت قيمة الدقة 0.89% والاستدعاء 0.78%.