RANCANG BANGUN SISTEM PEMISAH TELUR FERTIL DAN INFERTIL OTOMATIS DENGAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN)

NOVIANI, FADIAH (2024) RANCANG BANGUN SISTEM PEMISAH TELUR FERTIL DAN INFERTIL OTOMATIS DENGAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN). Diploma thesis, Politeknik Negeri Sriwijaya.

Preview	Text COVER.pdf Download (799kB) | Preview
	Text BAB I PENDAHULUAN.pdf Restricted to Repository staff only Download (164kB)
	Text BAB II TINJAUAN PUSTAKA.pdf Restricted to Repository staff only Download (720kB)
	Text BAB III METODOLOGI PENELITIAN.pdf Restricted to Repository staff only Download (555kB)
	Text BAB IV HASIL DAN PEMBAHASAN.pdf Restricted to Repository staff only Download (727kB)
	Text BAB V KESIMPULAN.pdf Restricted to Repository staff only Download (150kB)
	Text DAFTAR PUSTAKA.pdf Restricted to Repository staff only Download (118kB)
	Text LAMPIRAN.pdf Restricted to Repository staff only Download (4MB)

Abstract

Permintaan masyarakat terhadap produk hewani seperti telur terus meningkat seiring dengan pertumbuhan jumlah penduduk. Industri ayam petelur memegang peranan penting dalam menyediakan protein bagi penduduk dunia. Salah satu cara untuk meningkatkan tingkat keberhasilan penetasan adalah dengan memilih dan memisahkan telur fertil dan telur infertil dengan menggunakan teknik peneropongan. Penelitian ini bertujuan untuk mengembangkan sistem otomatis klasifikasi telur ayam steril dan infertil dengan metode Convolutional Neural Network (CNN). Klasifikasi dilakukan menggunakan gambar telur yang diambil dengan kamera ESP32-Cam. Gambar diproses dan dianalisis menggunakan model CNN yang dilatih untuk mengenali perbedaan sel telur fertil dan infertil. Model CNN terdiri dari beberapa lapisan convolusional, pooling, dan fully connected yang memungkinkan ekstraksi fitur gambar dari gambar telur. Hasil pengujian menunjukkan bahwa sistem ini mampu mengklasifikasikan telur dengan akurasi hingga 95%. Sistem ini tidak hanya meningkatkan produktivitas ternak tetapi juga menjamin tingkat kelangsungan hidup embrio yang lebih tinggi. Optimalisasi model dapat meningkatkan akurasi dan efisiensi sistem.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Convolutional Neural Network (CNN), Klasifikasi Gambar, Pemilahan Telur Fertil dan Infertil.
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Electrical Engineering > Undergraduate Theses
Depositing User:	Mr Bambang Anthony
Date Deposited:	13 Aug 2026 01:20
Last Modified:	13 Aug 2026 01:20
URI:	http://eprints.polsri.ac.id/id/eprint/22317

Actions (login required)

View Item