Kombinasi Fitur Bentuk, Warna dan Tekstur untuk Identifikasi Kesuburan Telur Ayam Kampung Sebelum Inkubasi

Transkripsi

1 Dijaya, Kobinasi Fitur Bentuk, Warna dan Tekstur untuk Identifikasi Kesuburan Aya Kapung Sebelu Inkubasi 05 Kobinasi Fitur Bentuk, Warna dan Tekstur untuk Identifikasi Kesuburan Telur Aya Kapung Sebelu Inkubasi Rohan Dijaya 1, Nanik Suciati, Darlis Heruurti 3 Jurusan Teknik Inforatika, Institut Teknologi Sepuluh Nopeber Jalan Teknik Kiia ITS, Surabaya E-ail: 1 rohan.dijhe@gail.co, nanik@if.its.ac.id, 3 darlis@its-sby.edu Masuk: 19 Januari 016; Direvisi: Februari 016; Diteria: 3 Februari 016 Abstract. In the chicken nursery industry (doc) hatching efficiency is obtained by observing the eggs through candling before the incubation process. To sort out infertile eggs the use of fertility iage identification thought egg candling is needed before incubation. The focus of this study is to cobine the features of shape, texture and color to the area and egg yolk to deterine the ost doinant features in the iage representing firtile egg candling. Features used in this study are the feature of fors: roundness, elongation, Index, Ellips Varriance and Circularity Ratio, oent invariant texture features of the area and the egg yolk, and features HSI color in egg yolks area. The test results show that the highest accuracy is on the features of the new fors of egg yolk with an accuracy of 76.67%. The second highest is shown by the cobination of for features (Circularity Ratio, Ellips Varriance) and texture features in the area oent yolk color features HSI with 81.67% accuracy using SVM classification ethod. Keywords: Egg candling iagery, fertile, infertile, incubation Abstrak. Pada industri pebibitan aya (doc) efisiensi penetasan telur aya didapatkan dengan elakukan candling (peneropongan telur) sebelu proses inkubasi enggunakan esin tetas. Untuk engklasifikasikan telur fertile dan infertile dibutuhkan identifikasi kesuburan telur enggunakan citra candling sebelu inkubasi. Fokus dari penelitian ini adalah engkobinasikan fitur bentuk, tekstur dan warna pada area kuning telur dan telur untuk engetahui fitur yang paling doinan dala erepresentasikan citra candling telur aya kapung. Fitur yang digunakan dala penelitian ini adalah fitur bentuk (Roundness, Elongation, Index, Ellips Varriance dan Circularity Ratio), fitur tektur oent invarian dari area telur dan kuning telur dan fitur warna HSI pada area kuning telur. Hasil pengujian enunjukkan akurasi tertinggi pada fitur bentuk kuning telur baru dengan akurasi 76,67% dan kobinasi fitur bentuk (Circularity Ratio, Ellips Varriance), fitur tekstur oent pada area kuning telur dengan fitur warna HSI dengan akurasi 81,67 % enggunakan etode klasifikasi SVM. Kata Kunci: Citra candling telur, fertile, infertile, inkubasi. 1. Pendahuluan Pada industri peternakan aya peilihan bibit berkualitas didukung oleh proses inkubasi telur aya yang baik. Pada proses inkubasi telur dan pebibitan aya (doc aya) hapir 8-9% dari keseluruhan telur tidak dapat enetas pada inkubasi enggunakan esin tetas (Das &Evans, 199a) dan (Das &Evans, 199b). Dala proses inkubasi telur aya hanya telur subur yang berkualitas saja yang dapat enetas dengan baik (Patel, dkk., 1998). Untuk engetahui kualitas dan kesuburan dari telur untuk proses inkubasi dilakukan proses peilihan telur (Arivazhagan, dkk., 013). Proses ini berupa analisa visual dala peneropongan pada telur yang diberikan cahaya pada salah satu sisi didala ruang gelap atau sering disebut candling. Waktu pelaksanaan proses candling dilakukan dala beberapa tahap untuk engetahui kesuburan telur dan perkebangan ebrio aya (Baelis, dkk., 00). Waktu yang dilakukan untuk elakukan candling dengan tujuan engetahui kesuburan telur dilakukan pada hari ke-3

2 06 Jurnal Buana Inforatika, Volue 7, Noor 3, Juli 016: sapai ke-6 proses inkubasi (inkubasi dengan esin tetas) dengan elihat nokta erah pada telur, sedangkan waktu candling pada hari ke-1 sapai ke-18 proses inkubasi dilakukan untuk elihat pertubuhan ataupun keatian dari ebrio (Lawrence, dkk., 006) dan (Shan, 010). Penelitian enggunakan citra candling telur dengan tujuan untuk konsusi dan doc aya dilakukan oleh Zhu & Ma (011). Pada penelitian tersebut efisiensi inkubasi didapatkan dengan elakukan candling ketika sebelu inkubasi diulai, hal ini bertujuan untuk endapatkan anak aya yang baik dari inkubasi dan engalihkan fungsi konsusi dari telur yang tidak dapat enetas (infertile). Untuk endukung tujuan tersebut dikebangkan identifikasi kesuburan telur sebelu inkubasi elalui citra candling yang didasarkan pada bentuk telur, bentuk kuning telur dan intensitas warna kuning telur. Berdasarkan penelitian Taniguchi (007) bentuk telur fertile cenderung lonjong dan tipis dan bentuk telur infertile cenderung bulat. Keudian area kuning telur dan warna telur enjadi bagian penting dari proses identifikasi kesuburan telur sebelu inkubasi. Peilihan fitur yang erepresentasikan objek dengan tepat dapat epengaruhi hasil akurasi dari klasifikasi. Tujuan dari penelitian ini untuk engetahui fitur yang paling doinan dala identifikasi kesuburan telur aya kapung sebelu inkubasi. Penelitian ini diawali dengan praperosesan citra candling telur aya kapung untuk eisahkan area telur dengan background dan eisahkan area kuning telur dengan area telur. Hasil dari area telur dan kuning telur tersebut nantinya akan digunakan dala proses ekstraksi fitur bentuk dengan enggunakan descriptor bentuk (Yang, dkk., 008), Ellips Variance (Eva), Circularity Ratio, Index, Roundness, Elongation dan oent invariant, sedangkan fitur warna dari kuning telur digunakan ean dari odel warna Hue, Saturation dan Intensity (HSI). Untuk classifier yang digunakan adalah support vector achine (SVM), neural network backpropagation (Shah Riza, dkk., 009), (Youxian, 006) dan K-nearest neighbord (KNN). Dengan proses identifikasi kesuburan sebelu inkubasi dapat engetahui lebih dini kesuburan telur sehingga eaksialkan keberhasilan dari proses inkubasi serta engalihkan telur infertile enjadi telur konsusi.. Penelitian terkait Terdapat dua penelitian utaa yang dilakukan oleh Wang, dkk. (009) dan Zhu & Ma (011) engenai identifikasi kesuburan telur sebelu proses inkubasi. Tahapan dari kedua penelitian ini hapir saa naun tujuannya yang berbeda. Adapun tahapan yang saa dari kedua penelitian ini antara lain, peisahan area telur, peisahan area kuning telur, ekstraksi fitur kuning telur dan klasifikasi. Penelitian pertaa bertujuan engukur kesegaran pada telur untuk konsusi dengan engukur rasio pada indeks kuning telur dan ruang udara pada telur. Tahapan peisahan telur dan peisahan area telur penelitian pertaa erupakan acuan dari penelitian kedua. Pada penelitian Zhu & Ma (011) eiliki tujuan engidentifikasi kesuburan telur putih untuk konsusi dan doc aya. Dataset citra candling telur putih diabil sebelu proses inkubasi. Pada penelitian ini terdapat tiga tahap utaa yaitu eisahkan area telur dengan background, eisahkan area kuning telur dengan telur dan endapatkan warna kuning telur. Fitur yang digunakan dala penelitian fitur bentuk berupa index, roundness, elongation, geoetric oent dari telur dan kuning telur, serta fitur warna berupa color ean seperti hue (H), intensity (I), saturation (S) dari kuning telur. Klasifikasi dari penelitian tersebut enggunakan etode least square support vector achine (LS-SVM). 3. Dasar teori 3.1. Citra Candling Telur Aya Kapung Citra candling telur erupakan citra yang didapatkan elalui proses candling pada telur. Ilustrasi dan spesifikasi dari candler telur untuk pengabilan citra candling telur aya dapat dilihat pada Gabar 1a. Pada penelitian ini objek citra yang digunakan adalah telur aya kapung seperti pada Gabar 1b. Pada penelitian Wang, dkk. (009) dan Zhu & Ma (011) fokus dari area yang akan diabil adalah area telur dan kuning telur.

3 Dijaya, Kobinasi Fitur Bentuk, Warna dan Tekstur untuk Identifikasi Kesuburan Aya Kapung Sebelu Inkubasi 07 Gabar 1. (a) Ilustrasi dan spesifikasi dari candler telur untuk pengabilan citra candling telur aya, (b) Proses pengabilan dataset citra candling telur aya kapung. 3.. Deskriptor Bentuk Untuk endapatkan deskriptor bentuk dari area telur dan kuning telur dari citra candling digunakan deksriptor bentuk Circularity Ratio dan Elliptic Varriance, (Park, 011) selain itu digunakan juga descriptor bentuk area, perieter, ajor axis dan inor axis dihitung dari area kuning dan area telur untuk edapatkan Index, Elongation dan Roundness (Zhu & Ma, 011), (Wang, dkk., 009). Circularity Ratio erupakan tingkat keiripan objek terhadap lingkaran. Untuk endapatkan nilai dari Circularity Rasio digunakan pebagian dari rata-rata jarak radial dari centroid objek ke boundary dengan standar deviasi radial dari objek ke boundary. Persaaan (1) digunakan untuk encari nilai rata-rata jarak radial dari centroid objek ke boundary, persaaan () digunakan untuk encari standar deviasi radial dari objek ke boundary, dan jarak radial centroid ke tepi objek lingkaran di (Park, 011) dihitung dengan persaaan (3), diana di adalah jarak radial dari centroid dengan tepi objek, n adalah julah point tepi dari objek, x adalah point x dari tepi objek, g adalah centroid dari objek, dan y adalah point x dari tepi objek. 1 1 N N i1 R ( di R) (1) 1 1 N N i1 R di () di ( xi g x ) ( yi g y ) (3) Elliptic Varriance atau Eva erupakan apping error dari bentuk objek terhadap ellips yang eiliki covariance atrix dengan bentuk untuk ellips dengan atriks kovarians yang saa dengan bentuk objek. Persaaan (4) dan (5) digunakan untuk enghitung ean dan standar deviasi radial distance, radial centroid ke tepi objek ellips d i dihitung dengan persaaan (6), diana d i adalah jarak radial dari centroid dengan tepi objek, V i adalah jarak antara tepi objek ke centroid, x adalah point x dari tepi objek, g adalah centroid dari objek, y adalah point x dari tepi objek dan C adalah atriks kovarian dari bentuk objek. 1 ' R ( d' i ' R), (4) N N 1 i1 N 1 i1 1 ' R d' i, (5) N

4 08 Jurnal Buana Inforatika, Volue 7, Noor 3, Juli 016: T 1 d ' i V i C ellipse. xi g x Vi dan V i (6) yi g y Index (SI) bentuk perbadingan pixel ajor axis dan pixel inor axis dari objek yang dihitung dengan persaaan (7), diana a adalah pixel ajor axis and b is pixel inor axis. Roundness (D) erupakan tingkat kebulatan dari sebuah objek digunakan untuk engkarakterisasi kopleksitas batas objek. Apabila bentuk telur lebih bulat aka seakin besar tingkat roundnessnya. Untuk endapatkan nilai roundnessnya digunakan persaaan (8), diana a adalah pixel area, dan P adalah pixel perieter. Elongation (E) erupakan sifat raping dari sebuah objek, digunakan untuk engukur kerapingan dari area telur dan kuning telur. Untuk endapatkan nilai Elongation didefinisikan elalui persaaan (9), diana a adalah pixel ajor axis dan b adalah pixel inor axis. SI= b a (7) 4a D R p (8) b E a (9) 3.3. Deskriptor Warna HSI HSI erupakan odel yang eisahkan koponen intensitas dari inforasi warna yang dibawa (hue dan saturation) dala warna citra. Berikut adalah cara endapatkan odel warna HSI dari odel warna RGB (Gonzalez, 004). Kopenen hue ditentukan dengan persaaan (10), dengan nilai yang didapatkan dengan persaaan (11). Koponen saturasi ditentukan oleh persaaan (1). Koponen intensitas ditentukan oleh persaaan (13), diana R adalah koponen warna erah, G adalah koponen warna hijau, dan B adalah koponen warna biru. H 360 (10) JikaBG JikaBG 1 [( R G) ( R B)] 1 cos 1 [(( R G) ( R B)( G B))] (11) 3 S 1 [in( R, G, B)] ( R G B) (1) 1 I ( R G B) 3 (13) 3.3. Deskriptor Tekstur Moent Invariant Moen dapat enggabarkan suatu objek dala hal area, posisi, orientasi dan paraeter terdefinisi lainnya. Pada penelitian ini oen digunakan untuk engekstraksi fitur tekstur dari area telur dan kuning telur. Persaaan dasar dari oen suatu objek didefinisikan dengan persaaan (14) (Rateke, 010), dengan order dari oen adalah (i + j). x dan y enyatakan koordinat titik, sedangkan a xy enyatakan intensitas titik. Moen tingkat ke-0 dan ke-1 (zero- and first-order oents) didefinisikan dengan persaaan (15) sapai persaaan (17). Pada citra biner yang ana a xy akan bernilai 0 atau 1, oen tingkat ke-0 ( 00) adalah saa dengan area dari objek.

5 Dijaya, Kobinasi Fitur Bentuk, Warna dan Tekstur untuk Identifikasi Kesuburan Aya Kapung Sebelu Inkubasi 09 i j ij x y a (14) xy x y 00 a xy (15) x y 10 x. a xy (16) x y 01 y. a xy (17) x y Pusat dari area atau assa (centroid) adalah paraeter yang baik untuk enyatakan lokasi dari objek. Pusat area dari objek didefinisikan dengan persaaan (18), dengan (x,y ) erupakan pusat koordinat dari objek. Moen pusat (central oent) adalah oen yang bersesuaian dengan pusat area, didefinisikan dengan persaaan (19), dan oen pusat yang ternoralisasi dinyatakan dengan persaaan (0), dengan persaaan (1) dan (). x ' 10 ' 01 dan y (18) ij ' i ' j x x y y axy (19) x y ij ij (0) 00 i j 1, (1) (i+j) () Moen tingkat ke-1 adalah selalu invarian. Dari oen ternoralisasi di atas, sekupulan oen-oen invarian (invariant oents) dapat didefinisikan. Moen-oen ini sangat berguna dala ebuat vektor ciri untuk pengenalan objek. Persaaan (3) sapai (9) adalah persaaan oen-oen invarian. (3) (4) (5) 3 3 (6) 4 5 (8) Dataset dan Metode 4.1. Dataset Pada penelitian ini, dataset yang digunakan adalah citra candling telur yang didapatkan elalui peotretan telur aya kapung oleh penulis. Telur aya kapung dipotret enggunakan kaera Nikon 0MP sensor CCD pada alat bantu kotak iluinasi (candler) 03 (7) (9)

6 10 Jurnal Buana Inforatika, Volue 7, Noor 3, Juli 016: dengan penerangan lapu super LED putih 3 volt seperti yang diilustrasikan pada Gabar 1a dan ekanise pengabilan citra candling disajikan pada Gabar 1b. Sebelu telur dipotret dilakukan penoeran dan pencatatan telur, peotretan telur dilakukan sebelu telur asuk pada esin inkubator. Citra candling yang telah didapat keudian dilakukan perubahan ukuran enjadi 0x5 piksel. Telur yang telah dicatat dan dipotret keudian diasukkan pada esin tetas selaa kurang lebih 1 hari. Setelah 1 hari proses inkubasi sebanyak 10 telur dicatat kondisi terakhir untuk proses pelabelan kelas pada dataset citra candling. Terdapat dua kelas dari pada citra candling, jika ebrio dala telur tubuh atau telur enetas aka citra candling erupakan kelas fertile dan jika tidak aka erupakan kelas infertile. 4.. Metode Penelitian Identifikasi kesuburan telur aya kapung elalui klasifikasi citra candling telur aya kapung terdiri dari beberapa tahapan (Zhu & Ma, 011), (Wang, dkk., 009). Secara uu proses keseluruhaan dari penelitian ini disajikan pada Gabar, diantaranya adalah peisahan telur dengan background, peisalahan area kuning telur dengan telur, ekstraksi fitur bentuk dan warna dan klasifikasi. Mulai Peisahan Area Telur Citra Candling Input RGB Peisahan Area Kuning Telur Konversi Grayscale Peilihan Kanal G Autotreshold Konversi ke HSI Binerisasi Median Filtering Citra area telur tersegentasi Histrogra Equalization Median Filtering 3x3 + Gaussian Filtering Color Reverse Erosi 3x3 untuk enghapus batas bentuk telur Area kuning telur yg tersegentasi Penggabungan area kuning telur dengan citra HSI Penggabungan area telur dengan citra grayscale Penggabungan Citra Reverse dan Telur tersegentasi Penggabungan area kuning telur dengan citra grayscale Ekstraksi Fitur Index, Roundness, Elongation Rata-rata warna HSI Moent Invariant Elliptical, Variance, Circularity Ratio Training Fitur Testing Fitur Klasifikasi Kategori telur: telur fertil dan telur infertil Selesai Gabar. Desain Siste Praperosesan Penelitian ini enggunakan praperosesan pada citra candling untuk endapatkan area telur yang terpisahkan dari background yang diadopsi dari penelitian (Wang, dkk., 009) agar eperudah proses ekstraksi fitur bentuk dari area telur. Untuk proses peisahan area kuning telur dengan area telur citra candling RGB sebagai inputan dilakukan konversi enjadi citra grayscale, keudian dilakukan binerisasi enggunakan etode otsu dan citra biner tersebut diperbaiki tepinya enggunakan edian filtering 3x3. Selanjutnya proses kedua adalah endapatkan area kuning telur dengan engadopsi praperosesan citra candling pada penelitian (Zhu & Ma, 011) untuk identifikasi kesuburan telur aya kapung sebelu

7 Dijaya, Kobinasi Fitur Bentuk, Warna dan Tekstur untuk Identifikasi Kesuburan Aya Kapung Sebelu Inkubasi 11 inkubasi. Proses ini diawali dengan eilih koponen warna hijau dari citra candling RGB, pada koponen warna tersebut dilakukan penyesuan histogra dengan histogra equalization. Karena asih terdapat titik noise dan piksel yang tidak stabil setelah proses histogra equalization, aka dilakukan proses edian filtering 3x3 dan gaussian soothing untuk denoising dan enjaga kestabilan piksel. Keudian dilanjutkan dengan elakukan reverse warna dan enggabungkan citra tersebut dengan citra area telur yang didapat pada proses sebelunya. Hasil dari proses tersebut berupa area kuning telur yang lebih terlihat dengan garis pada tepi area telur karena proses penggabungan. Untuk enghapus garis tersebut dilakukan operasi orfologi erosi 3x3. Pada proses terakhir dari praperosesan tersebut dilakukan autothresholding citra untuk endapatkan citra biner area kuning telur Ekstraksi Fitur Pada penelitian ini digunakan etode ekstraksi fitur untuk erepresentasikan citra candling telur aya kapung sebelu inkubasi. Digunakan deksriptor bentuk (Roundness, Elongation, Index, Ellips Varriance dan Circularity Ratio) untuk erepresentasikan fitur bentuk dari area telur dan kuning telur. Sedangkan untuk warna dari kuning telur pada citra candling digunakan fitur warna dari rata-rata tiap koponen warna hue (H), saturation (S), dan intensity (I). Selain itu digunakan oent invariant digunakan pula untuk ekstraksi fitur dari area kuning telur dan area telur. Pada penelitian ini digunakan beberapa skenario pengujian untuk engetahui fitur ana yang paling doinan dan fitur kobinasi ana yang paling doinan untuk klasifikasi citra candling telur aya kapung, oleh karenanya seua fitur tersebut akan dibagi enjadi tiga kelopok fitur. Kelopok fitur pertaa yang digunakan diantaranya kelopok fitur dari penelitian sebelunya (Zhu & Ma, 011) yaitu fitur bentuk (Index, Elongation, Roundness), oent tekstur dari area telur serta warna HSI dari kuning telur. Pada kelopok fitur kedua digunakan fitur bentuk (Index, Elongation, Roundness) dan oent dari area kuning telur serta fitur dari kelopok pertaa yang dikobinasikan dengan fitur bentuk baru dari area kuning telur. Kelopok fitur ketiga diajukan deskriptor bentuk kuning telur dan telur baru (Elliptical Varriance, Circularity Ratio). Pada kelopok fitur ini fitur baru tersebut digunakan dan dikobinasikan dengan fitur tekstur oent dari area telur dan kuning telur serta fitur warna kuning telur Klasifikasi Pada akhir proses dari identifikasi kesuburan telur aya kapung sebelu inkubasi elalui klasifikasi. Dala penelitian ini digunakan beberapa etode klasifikasi diantaranya K- Nearest Neighbord (KNN), Backpropragation Neural Network (BP-NN) dengan koposisi data 50:50 untuk kelas latih dan kelas diuji, dan Support Vector Machine (SVM) proses klasifikasi dilakukan dengan cross validation dengan pebagian 10 k-fold dan 11 kali pengujian untuk engabil rata-rata akurasi. 5. Hasil Pengujian dan Pebahasan Pengujian dilakukan pada PC dengan spesifikasi Intel Core i3 4005U CPU,40 GHz dan eori GB. Progra ini dikebangkan dengan Matlab dan dijalankan pada siste operasi Windows 7. Dataset yang digunakan dala percobaan adalah 10 citra candling yang terdiri dari 60 citra candling telur aya kapung fertile dan 60 citra candling telur aya kapung infertile. Fokus utaa dala klasifikasi ini adalah untuk enentukan fitur terbaik dan kobinasi fitur terbaik atau doinan untuk identifikasi kesuburan telur aya kapung. Persentase akurasi klasifikasi diruuskan dala persaaan (5). julah data yang terklasifikasi dengan benar Akurasi *100 (5) julah data uji

8 1 Jurnal Buana Inforatika, Volue 7, Noor 3, Juli 016: Berdasarkan hasil pengujian yang disajikan pada Tabel 1 dapat pada kelopok fitur pertaa fitur tunggal warna eiliki akurasi tertinggi yaitu 75% dengan classifer KNN dan kobinasi fitur bentuk (index,roundness, elongation) area telur, fitur tekstur oent telur dan fitur warna HSI eiliki akurasi tertinggi dengan nilai akurasi 76,67%. Pada kelopok fitur kedua dilakukan penabahan area kuning telur untuk fitur bentuk dan tekstur. Nilai akurasi fitur tunggal tertinggi pada kelopok ini pada fitur tekstur kuning telur sebesar 71,67% dan fitur kobinasi tertinggi pada fitur tekstur oent telur dan kuning telur dengan nilai akurasi 75%, keduanya enggunakan classifier SVM. Tabel 1. Hasil Pengujian Setiap Fitur dan Kobinasi Fitur Fitur Kelopok 1 Fitur Penelitian Sebelunya (Zhu & Ma, 011) KNN BP-NN SVM Skenario 1 warna (ean H, ean S, ean I) Skenario oent area telur Skenario 3 bentuk 1 area telur (IDX, DR, E) Skenario 4 bentuk 1 area telur + warna + oent area telur Kelopok Modifikasi Fitur Penelitian Sebelunya Skenario 1 oent area kuning telur Skenario oent area telur dan kuning telur Skenario 3 bentuk 1 area kuning telur (IDX, DR, E) Skenario 4 bentuk 1 area telur dan kuning telur(idx, DR, E,IDX, DR, E) Skenario 5 bentuk 1 area telur + warna Skenario 6 bentuk 1 area kuning telur + warna + oent area telur dan kuning telur Kelopok 3 Fitur Baru Yang Diusulkan Skenario 1 bentuk area telur (Eva dan C ratio) Skenario bentuk area kuning telur (Eva dan C ratio) Skenario 3 bentuk area telur dan kuning telur (Eva, C ratio,eva, C ratio) Skenario 4 bentuk area telur + warna Skenario 5 bentuk area telur + warna + oent area telur Skenario 6 bentuk area kuning telur + warna + oent area kuning telur ,67 Skenario 7 seua fitur Kelopok fitur ke-3 erupakan kelopok fitur dengan penabahan fitur bentuk baru untuk klasifikasi citra candling, pada kelopok fitur ini ditabahakn descriptor bentuk baru (Elliptical Varriance dan Circularity Ratio) pada area telur dan kuning telur. Pada kelopok fitur ini nilai akurasi tertinggi untuk single fitur didapatkan pada fitur bentuk baru kuning telur yaitu sebesar 76,67%, nilai ini tertinggi diantara seua single fitur lainnya, sedangkan kobinasi fitur pada kelopok fitur ini nilai akurasi tertinggi didapat pada kobinasi fitur bentuk baru kuning telur, tekstur kuning telur dan warna dengan akurasi encapai 81,67% keduanya enggunakan classifier SVM. Dari hasil pengujian didapatkan hasil akurasi dengan enggunakan fitur bentuk baru eningkatkan akurasi 1-8% dari fitur bentuk penelitian sebelunya ketika enggunakan dataset citra candling telur aya kapung, sedangkan pengunaan kobinasi fitur bentuk, tektur, warna pada area kuning telur eningkatkan akurasi sebanyak 5% dari penggunaan etode sebelunya. Nilai kesalahan akurasi dari klasifikasi ini dikarenakan adanya variasi data yang eiliki noise yang cukup banyak dan kondisi kontras dari area kuning telur dan area telur yang rendah seperti yang terlihat pada Gabar 3. Gabar 3a erupakan citra candling yang eiliki banyak noise dan kontras rendah sehingga enghasilkan area kuning telur yang tidak tersegentasi dengan baik seperti pada Gabar 3b. Dengan kata lain akibat dari kondisi citra candling yang eiliki noise yang banyak dapat enyebabkan rendahnya nilai akurasi dari klasifikasi citra candling terutara pada penggunaan area kuning telur. 6. Kesipulan Fokus utaa dari penelitian ini adalah engkobinasika fitur bentuk, warna dan tektur untuk engidentifikasi kesuburan telur aya kapung sebelu inkubasi dengan dataset citra candling telur aya kapung yang diabil sendiri oleh penulis. Pada hasil percobaan ini dikobinasikan fitur kobinasi dari fitur bentuk baru (Circularity Ratio, Elliptical Varriance) pada area kuning telur dengan fitur warna HSI dan Moent Invariant untuk fitur tekstur area

9 Dijaya, Kobinasi Fitur Bentuk, Warna dan Tekstur untuk Identifikasi Kesuburan Aya Kapung Sebelu Inkubasi 13 telur. Hasil klasifikasi enggunakan kontribusi fitur tersebut enghasilkan nilai akurasi tertinggi yaitu sebanyak 81,67% dengan etode klasifikasi SVM dan lebih baik dibanding dengan fitur kobinasi dari penelitian sebelunya sebesar 76,67%. Berdasarkan hasil evaluasi citra candling telur aya kapung eiliki noise yang cukup banyak, kontras yang rendah serta batas antara area kuning telur dan telur yang saa seperti pada Gabar 3. Untuk kedepannya difokuskan pada peningkatan akurasi dari identifikasi kesuburan telur aya kapung elalui perbaikan citra terhadap noise dan penangangan terhadap batas yang saar antara kuning telur dan area telur. Gabar 3. (a) Citra Candling Telur Aya Kapung, (b) Hasil Peisahan Area Kuning Telur Citra Candling Telur Aya Kapung Dengan Praperosesan Penelitian (Zhu & Ma, 011) Referensi Arivazhagan, S., Shebiah, R. N., Sudharsan, H., Kannan, R. R., & Raesh, R External and Internal Defect Detection of Egg using Machine Vision. Journal of Eerging Trends in Coputing and Inforation Sciences, 4(3), Baelis, F. R., Tona, K., De Baerdeaeker, J. G., & Decuypere, E. M. 00. Detection of early ebryonic developent in chicken eggs using visible light transission. British poultry science, 43(), Das, K., & Evans, M. D. 199a. Detecting fertility of hatching eggs using achine vision I. Histogra characterization ethod. Transactions of the ASAE, 35(4), Das, K., & Evans, M. D. 199b. Detecting fertility of hatching eggs using achine vision II: Neural network classifiers. Transactions of the ASAE, 35(6), Gonzalez, R. C., Woods, R. E., & Eddins, S. L Digital iage processing using MATLAB. Pearson Prentice Hall. Lawrence, K. C., Sith, D. P., Windha, W. R., Heitschidt, G. W., & Park, B Egg ebryo developent detection with hyperspectral iaging. In Optics East 006 (pp T-63810T). International Society for Optics and Photonics. Park, F Shape Descriptor/Feature Extraction Techniques. (Online), ( uci.edu/icap/suer/research_11/park/shape_descriptors_survey.pdf) Patel, V. C., McClendon, R. W., & Goodru, J. W Developent and evaluation of an expert syste for egg sorting. Coputers and Electronics in Agriculture, 0(), Rateke, R. J Invariant oents based feature extraction for handwritten devanagari vowels recognition. International Journal of Coputer Applications, 1(18), 1-5. Shah Riza, M. S. B., Farah Yasin, A. R., Ahad Ihsan, M. Y., & Shazana, K Nondestructive waterelon ripeness deterination using iage processing and artificial neural network (ANN). International Journal of Electrical and Coputer Engineering, 4(6). Shan, B Fertility Detection of Middle-stage Hatching Egg in Vaccine Production Using Machine Vision. In Education Technology and Coputer Science (ETCS), 010 Second International Workshop on (Vol. 3, pp ). IEEE. Taniguchi, R U.S. Patent No. 7,167,579. Washington, DC: U.S. Patent and Tradeark Office. Wang, Q., Deng, X., Ren, Y., Ding, Y., Xiong, L., Ping, Z., & Wang, S Egg freshness detection based on digital iage technology. Scientific Research and Essay, 4(10),

10 14 Jurnal Buana Inforatika, Volue 7, Noor 3, Juli 016: Yang, M., Kpala, K., & Ronsin, J A survey of shape feature extraction techniques. Pattern recognition, Youxian, W. Q. R. Y. W Study on Non-destructive Detection Method for Fresh Degree of Eggs Based on BP Neural Network [J]. Transactions of the Chinese Society for Agricultural Machinery, 1, 09. Zhu, Z., & Ma, M The identification of white fertile eggs prior to incubation based on achine vision and least square support vector achine. African Journal of Agricultural Research, 6(1),