Deteksi Telur Ayam Kampung Berdasarkan Analisis Fitur Warna (HSV) dan Tekstur (GLCM) Cangkang Menggunakan Algoritma K-Nearest Neighbors

Authors

  • Moch Nasikh Andhyka Pratama Informatika, Universitas Pembangunan Nasional “Veteran” Jawa Timur, Indonesia
  • Salman Alfarizi Informatika, Universitas Pembangunan Nasional “Veteran” Jawa Timur, Indonesia
  • Anggraini Puspita Sari Informatika, Universitas Pembangunan Nasional “Veteran” Jawa Timur, Indonesia

Keywords:

Deteksi Kualitas Telur, HSV, GLCM, K-Nearest Neighbors, Pemrosesan Citra Digital

Abstract

Kualitas telur ayam kampung sangat penting dalam industri makanan. Deteksi telur busuk sejak dini diperlukan untuk mengurangi kerugian dan risiko kesehatan. Cara tradisional untuk memeriksa kualitas telur kurang objektif dan tidak efisien, apalagi untuk jumlah produksi yang besar. Penelitian ini membuat sistem otomatis untuk mendeteksi telur ayam kampung busuk menggunakan ciri digital dari gambar cangkangnya. Ciri warna diambil menggunakan model Hue, Saturation, Value (HSV), sedangkan ciri tekstur menggunakan metode Gray Level Co-occurrence Matrix (GLCM). Algoritma K-Nearest Neighbors (KNN) dipakai untuk mengklasifikasikan telur menjadi kategori busuk atau bagus berdasarkan gabungan ciri tersebut. Hasil penelitian menunjukkan bahwa penggunaan ciri HSV dan GLCM bersama-sama dapat meningkatkan ketepatan klasifikasi hingga mencapai akurasi 0.9524. Temuan ini menunjukkan bahwa pendekatan ini berpotensi menjadi solusi yang objektif dan efisien untuk mengontrol kualitas telur ayam kampung.

Downloads

Published

17-07-2025

How to Cite

Pratama, M. N. A., Alfarizi, S., & Sari, A. P. (2025). Deteksi Telur Ayam Kampung Berdasarkan Analisis Fitur Warna (HSV) dan Tekstur (GLCM) Cangkang Menggunakan Algoritma K-Nearest Neighbors. Jurnal Pendidikan Tambusai, 9(2), 23128–23138. Retrieved from https://jptam.org/index.php/jptam/article/view/30301

Issue

Vol. 9 No. 2 (2025): Agustus

Section

Articles of Research

Citation Check

License

Copyright (c) 2025 Moch Nasikh Andhyka Pratama

Creative Commons License

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

Authors who publish with this journal agree to the following terms:

  • Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work’s authorship and initial publication in this journal.
  • Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
  • Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).