KLASIFIKASI TELUR FERTIL DAN INFERTIL MENGGUNAKAN RASPBERRY PI 3 DAN METODE MOBILENETV2 BERBASIS IMAGE PROCESSING

Daffa, Muhammad (2026) KLASIFIKASI TELUR FERTIL DAN INFERTIL MENGGUNAKAN RASPBERRY PI 3 DAN METODE MOBILENETV2 BERBASIS IMAGE PROCESSING. Diploma thesis, Politeknik Negeri Sriwijaya.

	Text (COVER) COVER.pdf - Published Version Download (662kB)
	Text (ABSTRAK) ABSTRAK.pdf - Published Version Download (165kB)
	Text (BAB I Pendahuluan) BAB I.pdf - Published Version Restricted to Repository staff only Download (237kB) | Request a copy
	Text (BAB II Tinjauan Pustaka) BAB II.pdf - Published Version Restricted to Repository staff only Download (708kB) | Request a copy
	Text (BAB III Metodologi Penelitian) BAB III.pdf - Published Version Restricted to Repository staff only Download (936kB) | Request a copy
	Text (BAB IV Hasil dan Pembahasan) BAB IV.pdf - Published Version Restricted to Repository staff only Download (1MB) | Request a copy
	Text (BAB V Kesimpulan dan Saran) BAB V.pdf - Published Version Restricted to Repository staff only Download (188kB) | Request a copy
	Text (Daftar Pustaka) DAFTAR PUSTAKA.pdf - Published Version Restricted to Repository staff only Download (209kB) | Request a copy
	Text (Lampiran) LAMPIRAN.pdf - Published Version Restricted to Repository staff only Download (4MB) | Request a copy

Abstract

Penelitian ini mengembangkan sistem klasifikasi telur fertil dan infertil secara otomatis menggunakan teknik candling berbasis pengolahan citra digital pada Raspberry Pi 3 Model B+ dengan metode transfer learning MobileNetV2. Sistem mencakup inkubator cerdas dengan kendali suhu otomatis 37°C–38°C dan pipeline preprocessing berbasis OpenCV yang meliputi peningkatan kontras (CLAHE), segmentasi Otsu, morphological closing, dan normalisasi piksel. Model MobileNetV2 dilatih dengan bobot pre-trained ImageNet terhadap 870 citra candling dua kelas (Fertil dan Infertil). Evaluasi menunjukkan akurasi validasi 99,42% sejak epoch pertama (loss 0,0297), dengan Precision 99,43%, Recall 99,42%, F1-Score 99,42%, dan AUC-ROC 99,97%—seluruhnya melampaui target minimum 80%. Recall kelas Infertil mencapai 100,00%, artinya tidak ada sampel infertil yang salah diklasifikasikan. Pengujian pada 32 sampel telur di luar data pelatihan membuktikan konsistensi prediksi model pada hari ke-7 dan ke-14 inkubasi. Hasil ini menunjukkan bahwa sistem candling otomatis berbasis Raspberry Pi 3 dan MobileNetV2 efektif, akurat, dan andal untuk mendukung produktivitas peternakan unggas skala kecil hingga menengah.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	MobileNetV2, Candling, Klasifikasi Telur, Raspberry Pi 3, Image Processing, Transfer Learning, Deep Learning
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Electronic Engineering > Undergraduate Theses
Depositing User:	Pustaka Teknik Elektro
Date Deposited:	10 Aug 2026 02:43
Last Modified:	10 Aug 2026 02:43
URI:	http://eprints.polsri.ac.id/id/eprint/24398

Actions (login required)

View Item