Implementasi Faster Region Convolution Neural Network untuk Menentukan Jenis dan Bobot pada Sapi Menggunakan Perangkat Android

Abstract

Sapi merupakan ternak yang sangat berguna sebagai sumber daging, susu, tenaga kerja, dan kebutuhan lainnya. Sapi merupakan anggota family Bovidae dan sub family Bovinae. Di Indonesia, sebagian besar produksi daging sapi diperoleh dari peternakan rakyat. Untuk peternakan sapi yang besar, dalam menghitung bobot sapi peternak akan menggunakan alat timbang konvensional yang tentunya memiliki akurasi tinggi tetapi harganya yang sangat mahal sehingga membuat peternak kecil dan beberapa pasar sapi tradisional sangat sulit untuk memiliki alat timbangan konvensional ini. Sehingga dibutuhkan suatu sistem untuk mempermudah dalam menentukan bobot sapi dan jenis sapi tersebut. Penelitian ini menggunakan metode Faster Region Convolution Neural Network (Faster R-CNN). Pada proses pengolahan, citra sapi digunakan sebagai input. Sebelum citra diklasifikasi, citra akan melalui tahap pre-processing dimulai dari labeling, resizing, selanjutnya tahap segmentation yaitu thresholding, kemudian fitur ekstraksi yaitu Canny Edge Detection dan tahap terakhir citra diklasifikasi menggunakan Faster Region Convolution Neural Network. Pada penelitian ini data yang digunakan sebanyak 801 data. Dimana 641 untuk data latih (Training) dan 160 untuk data uji (Testing). Berdasarkan hasil pengujian pada penelitian, didapatkan hasil berupa sistem yang dapat mengidentifikasi bobot sapi dan menklasifikasi jenis sapi dengan akurasi sebesar 95%untuk jenis sapi dan 0,01%untuk penyimpangan berat sapi.

Cows are livestock that are very useful as a source of meat, milk, labor, and other needs. Cows are members of the Bovidae family and the Bovinae sub family. In Indonesia, most beef production is obtained from smallholder farms. For large cattle farms, in calculating the weight of cows, farmers will use conventional weighing tools which of course have high accuracy but are very expensive, making it very difficult for small farmers and some traditional cattle markets to have these conventional weighing tools. So we need a system to make it easier to determine the weight of the cow and the type of cow. This study uses the Faster Region Convolution Neural Network (Faster R-CNN) method. In the processing, the image of a cow is used as input. Before the image is classified, the image will go through a pre-processing stage starting from labeling, resizing, then the segmentation stage, namely thresholding, then feature extraction, namely Canny Edge Detection and the last stage the image is classified using Faster Region Convolution Neural Network. In this study, the data used were 801 data. Where 641 for training data (Training) and 160 for test data (Testing). Based on the test results in the study, the results obtained in the form of a system that can identify cattle weight and classify cattle types with an accuracy of 95% for cattle breeds and 0.01% for cattle weight deviations.