KLASIFIKASI KELAYAKAN TELUR AYAM RAS (BROILER) MENGGUNAKAN METODE NAÏVE BAYES CLASSIFIER

Andre Maulana, Rudi Hariyanto, Anang Aris Widodo

Abstract

Telur tetas merupakan telur fertil atau telur yang telah dibuahi baik secara alami maupun buatan, dihasilkan dari peternakan ayam pembibit bukan peternakan komersial Telur yang ditetaskan haruslah melalui proses seleksi, tidak semua telur tetas dapat digunakan dalam penetasan. Faktor utama yang perlu diperhatikan dalam memilih telur tetas adalah kualitas telur, jika kualitas telur yang akan ditetaskan buruk maka presentase jumlah telur yang menetas rendah. Bobot telur tetas haruslah seragam sehingga besarnya juga seragam, yaitu tidak terlalu besar dan tidak terlalu kecil. Telur yang terlalu besar menyebabkan kantung udara terlalu kecil untuk perkembangan embrio sehingga telur akan terlambat untuk menetas. Ada beberapa kendala yang dihadapi karyawan untuk menyeleksi telur tetas diantaranya kurang teliti, faktor usia yang yang sudah tidak produktif dan juga faktor kelelahan mengakibatkan kurang fokus dalam menyeleksi. Pada permasalahan ini maka penelitian ini adalah bagaimana menentukan kelayakan telur dan dan klasifikasi dari citra telur layak dan tidak. Proses klasifikasi kelayakan telur ini dilakukan menggunakan  Naïve Bayes Classifier. Data yang dikumpulkan berjumlah 100 data citra telur terbagi menjadi 80 data latih dan 20 data uji. Dari hasil pengujian didapatkan hasil akurasi sebesar 75% dengan 20 data uji.


 


 

References

Arhami, Muhammad dan Anita Desiani. (2005). Pemrograman MATLAB. Yogyakarta. ANDI.

Asmara, R. A., Andjani, B. S., Rosiani, U. D., & Choirina, P. (2018). Klasifikasi Jenis Kelamin Pada Citra Wajah Menggunakan Metode Naive Bayes. Jurnal Informatika Polinema, 4(3), 212. https://doi.org/10.33795/jip.v4i3.209
Ahsan. M, Klasifikasi Proses Business Data Mahasiswa Universitas Kanjuruhan Malang Menggunakan Teknik Data Mining. Prosiding Seminar Nasional Hasil Penelitian, 2.2016.http://semnas.unikama.ac.id/lppm/prosiding/2016/PENELITIAN/SAINS%20DAN%20TEKNOLOGI/Moh.%20Ahsan%20UNIKAMA.pdf
Ciputra, A., Setiadi, D. R. I. M., Rachmawanto, E. H., & Susanto, A. (2018). Klasifikasi Tingkat Kematangan Buah Apel Manalagi Dengan Algoritma Naive Bayes Dan Ekstraksi Fitur Citra Digital. Simetris: Jurnal Teknik Mesin, Elektro Dan Ilmu Komputer, 9(1), 465–472. https://doi.org/10.24176/simet.v9i1.2000

Gunadi, I.A. & Sukajaya, I.N. (2017). An Improvement of Mouth Detection Implementing Color Features Extraction Method for Facial Images with Lighting Problems. IEEE International Conference on Advanced Informatics, Concepts, Theory, and Applications (ICAICTA) : 1-5.

Ghofur, A. (2016). Implementasi Metode Klasifikasi Naive Bayes Untuk Memprediksi Kualitas Cabai. Jurnal Ilmiah Informatika, 1(1), 32–38. https://doi.org/10.35316/jimi.v1i1.441

Indriyono, B. V., Utami, E., & Sunyoto, A. (2015). Klasifikasi Jenis Buku Berdasarkan Judul dan Sinopsis Menggunakan Metode Naive Bayes Classifier (Studi Kasus : STMIK Kadiri). Sisfo, 05(04). https://doi.org/10.24089/j.sisfo.2015.09.010

Izzati Saila Hafsah, P. A. (2015). Deteksi Otomatis Penyakit Kulit Menggunakan Algoritma Naive Bayes. 5, 1–6.

Kavitha, J.C. & Suruliandi, A. (2016). Texture and Color Feature Extraction for Classification of Melanoma using SVM. IEEE International Conference on Computing Technologies and Intelligent Data Engineering (ICCTIDE'16) :1-6.

Kholis, S. dan M. Sitanggang. 2001. Ayam Arab dan Poncin Petelur Unggul AgroMedia, Jakarta.

Lasfeto, Dedy Barnabas dan Oky Dwi Nurhayati. (2008). Analisis Statistika Menggunakan MATLAB.Yogyakarta.GRAHA ILMU.

Liantoni, F., & Nugroho, H. (2015). Klasifikasi Daun Herbal Menggunakan Metode Naïve Bayes Classifier Dan Knearest Neighbor. Jurnal Simantec, 5(1), 9–16.

Lionnie, R. & Alaydrus, M. (2017). A Comparison of Human Skin Color Detection for Biometric Identification. IEEE International Conference on Broadband Communication, Wireless Sensors and Powering (BCWSP) : 1-5.

Mulyani, E.D.S., Susanto, & Poniman, J. 2017. Classification of Maturity Level of Fuji Apple Fruit with Fuzzy Logic Method. IEEE 5th International Conference on Cyber and IT Service Management (CITSM) : 1-4.

Prasetyo, E., (2012). Data Mining Konsep dan Aplikasi Menggunakan Matlab, Andi Offset, Yogyakarta

Rasyaf, M. 1990. Bahan Makanan Unggas di Indonesia. Kanisius, Yogyakarta.

Rasyaf, M. 1995. Pengelolaan Usaha Peternakan Ayam Pedaging. Gramedia Pustaka Utama. Bogor.

Sahid. (2005). Pengantar Komputasi Numerik dengan MATLAB. Yogyakarta. C.V. ANDI OFFSET.

Setyaputra, A. A., Sutojo, T., Informatika, T., Komputer, I., Dian, U., Semarang, N., & No, J. N. I. (2012). Klasifikasi Daging Ayam Menggunakan Naive Bayes Classifier Berdasarkan Pada Ekstraksi Fitur Tekstur Histogram Chicken Meat Classification Using Naive Bayes Classifier Based On Histogram-based Feature Texture Extraction. x.

Sudaryani, T. dan Santoso. 2003. Pembibitan Ayam Ras. Penebar Swadaya, Jakarta.

Sugiyono, 2013, Metodelogi Penelitian Kuantitatif, Kualitatif Dan R&D. (Bandung: ALFABETA).

Suprijatna, E. U, Atmomarsono. R, Kartasudjana. 2005. Ilmu Dasar Ternak Unggas. Penebar Swadaya, Jakarta.

Tri Yuwanta, 1983. Bebarapa Metode Praktis Penetasan Telur. Dirjen DIKTI
Depdikbud. Jakarta.

Yulianto, D., Whidhiasih, R. N., & Maimunah, M. (2018). Klasifikasi Tahap Kematangan Pisang Ambon Berdasarkan Warna Menggunakan Naive Bayes. PIKSEL : Penelitian Ilmu Komputer Sistem Embedded and Logic, 5(2), 60–67. https://doi.org/10.33558/piksel.v5i2.268

Authors

Andre Maulana
andrelana702@gmail.com (Primary Contact)
Rudi Hariyanto
Anang Aris Widodo
Maulana, A., Hariyanto, R., & Aris Widodo, A. (2020). KLASIFIKASI KELAYAKAN TELUR AYAM RAS (BROILER) MENGGUNAKAN METODE NAÏVE BAYES CLASSIFIER. RAINSTEK : Jurnal Terapan Sains & Teknologi, 2(3), 245–252. https://doi.org/10.21067/jtst.v2i3.4915

Article Details