Estimasi Bobot Sapi Berdasarkan Registrasi Citra Digital dengan Metode Fraktal dan Klasifikasi K-Nearest Neighbor  Cattle Weight Estimation Based on Digital Image Registration with Fractal Method And K-Nearest Neighbor Classification

UTARI HUSTITA DEWI

Informasi Umum

Kode

19.04.1099

Klasifikasi

C -

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Signal Processing

Dilihat

248 kali

Informasi Lainnya

Abstraksi

Sapi adalah hewan ternak anggota suku Bovidae dan anak suku Bovinae[1]. Sapi dipelihara sebagai sumber daging, tenaga kerja, dan dimanfaatkan susunya. Karena banyak kegunaan ini, sapi telah menjadi bagian dari kebudayaan Indonesia sejak lama yang akhirnya dijadikan sebagai ladang untuk berbisnis. Bobot sapi merupakan indikator yang sangat penting sebagai penilaian produktivitas dan untuk mengetahui keberhasilan bisnis ternak sapi[2]. Salah satu cara untuk mengetahui bobot sapi dengan menggunakan timbangan ternak. Namun, timbangan ternak dinilai masih kurang efisien, untuk membantu memberikan cara yang lebih praktis dan efisien, pemasalahan diatas dapat diatasi dengan mengestimasi bobot sapi dengan konsep registrasi citra digital. Metode yang digunakan pada penelitian ini adalah metode fraktal dimana metode tersebut digunakan untuk memisahkan citra sapi dengan latar belakang dan objek-objek pengganggu. Hasilnya ditemukan ciri berupa lebar dada dan panjang badan sapi yang digunakan dalam perhitungan dan proses klasifikasi. Klasifikasi yang digunakan pada penelitian ini adalah K-Nearest Negihbor (KNN). Sistem yang telah dirancang dalam program aplikasi estimasi bobot sapi memerlukan input berupa citra atau gambar sapi dan menghasilkan output berupa bobot beserta klasifikasi sapi berdasarkan bobot karkas yang diperoleh. Program aplikasi yang diimplementasikan untuk mengestimasi bobot sapi, dirancang dalam software Matlab dan ditampilkan dalam bentuk GUI (Graphic User Interface). Kolaborasi dari metode fraktal dan klasifikasi K-Nearest Neighbor dapat menghasilkan suatu sistem yang memiliki akurasi estimasi bobot sapi sebesar 79,11% dan akurasi klasifikasi sebesar 85,71% dengan waktu komputasi 0,316 detik.