Hastuti, Maharani Tri (2017) Identifikasi Kondisi Kesehatan Ayam Petelur Berdasarkan Ciri Warna Hsv Dan Gray Level Cooccurence Matrix (GLCM) Pada Citra Jengger Dengan Klasifikasi K-Nearest Neighbour. Sarjana thesis, Universitas Brawijaya.
Abstract
Salah satu cara pemeliharaan ayam petelur yang baik adalah melakukan pemisahan ayam yang memiliki kondisi sehat dan tidak sehat secara cepat dan tepat. Namun terbatasnya ahli seperti dokter hewan dan pakar ternak di wilayah pedesaan menyebabkan proses tersebut kurang diperhatikan. Sehingga diperlukan suatu sistem untuk mengidentifikasi kondisi kesehatan ayam secara otomatis. Pada kasus ini gejala klinis yang nampak pada ayam petelur sakit dapat diamati melalui perubahan warna dan tekstur di area jengger. Ayam sehat memiliki jengger berwarna merah cerah dan tekstur yang kasar sedangkan ayam sakit memiliki ciri sebaliknya. Solusi yang bisa diterapkan pada permasalahan tersebut yaitu pengolahan citra digital ekstraksi fitur warna Hue, Saturation dan Value (HSV) dan graylevel coocurence matrix (GLCM). Metode GLCM yang digunakan berorientasi 4 arah yaitu sudut 00, 450,900 dan 1350 dengan jarak d=1. Dari hasil ekstraksi maka akan diperoleh nilai warna HSV dan nilai statistik GLCM seperti entropi, energi, homogenitas, kontras serta korelasi sebagai fitur input klasifikasi K-NN. Sebanyak 26 fitur data uji akan dihitung jarak euclideannya dengan data latih untuk mencari kelas dari data input. Berdasarkan hasil pengujian, nilai akurasi terbaik didapat pada saat klasifikasi dengan GLCM 4 arah atau 00 + HSV dan jumlah K=3, K= 11 atau K = 15 yaitu 100% kebenarannya.
English Abstract
One way of the good maintenance to laying chickens is separate the healthy and unhealthy chicken in defference cage quickly and correctly. But in reality there’s so many stock farmer who don’t have fast response about the issue. Other than that, in the rural area we couldn’t find any veterinarian or farm expert easily. So we need a system to identify the condition of chicken health automatically. In this case, clinical symptoms in sick laying chickens can be observed through changes in color brightnes and texture in the wattle. Healthy laying chicken has bright red wattle and it tends to feel rough. The solution that can be applied to this problem is image processing with Hue,Saturation and Value (HSV) color and graylevel coocurence matrix (GLCM) feature extraction. In this study GLCM method oriented by 4 angles that are 00, 450,900 and 1350 with d=1. From the extraction results we will get the values of HSV and statistic feature of GLCM such as entropy, energy, homogeneity, contrast and correlation for K-NN classification’s input. A total of 26 testing data features will be calculated its euclidean distance with training data to search classes from input data. Based on the result of this study, the best accuracy obtained when classification with GLCM 4 directions or 00 + all component of HSV and the number K = 3, K = 11 or K = 15 that is 100% correctness.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2017/464/051707786 |
| Uncontrolled Keywords: | Ayam Petelur, Ekstraksi Fitur, GLCM, HSV, Jengger, K-NN, Warna, Tekstur |
| Subjects: | 000 Computer science, information and general works > 001 Knowledge > 001.012 Classification |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Yusuf Dwi N. |
| Date Deposited: | 19 Sep 2017 08:30 |
| Last Modified: | 06 Nov 2020 07:06 |
| URI: | http://repository.ub.ac.id/id/eprint/2738 |
Preview |
Text
Maharani Tri Hastuti.pdf Download (6MB) | Preview |
Actions (login required)
 |
View Item |