Hasil Pemetaan Topik Khusus

Jawaban pertanyaan No. 4

1. Mengapa memilih topik khusus tersebut?

Pada peternakan unggas, ayam menjadi hewan yang memiliki peminat konsumen yang paling banyak daging dan telurnya menjadi
sumber gizi yang tinggi serta mudah didapatkan. Pada topik khusus ini memilih telur sebagai objek teliti karena telur ayam
memiliki tingkat konsumsi yang tinggi sehingga menjadi bahan pokok utama pada makanan, harga yang lebih murah dari daging
ayam serta kandungan nutrisi yang lengkap menjadi pilih banyak orang.

2. Apa manfaat penelitian ini?

Membantu dalam memilih kualitas dari telur ayam yang dilihat dari kesegaran telur dan berat telur.

3. Jika tidak diteliti apa dampaknya?

Jika tidak diteliti telur ayam yang beredar di pasaran akan menyatu dengan kualitas telur ayam yang sudah rusak.
Nama: Anggun Aulia Bastian
Kelas: IF20B
Kelompok: 2
Topik Khusus: Telur Ayam

No. Judul – Tahun Penulis Data Metode atau Proses Hasil, Kelemahan dan
Keunggulan
1 Implementasi 1. Rizky Menggunakan data Metode: Dari hasil penelitian dengan
Pengolahan Citra Rahmadianto sample atau data Algoritma K-Nearest menggunkan metode yang dipilih
dan Klasifikasi 2. Edy Mulyanto real yang Neighbor berhasil digunakan, dengan nilai
K-Nearest 3. T.Sutojo berjumlah 37 data. K tertinggi yaitu K=7 dan
Neighbor untuk akurasinya 86%.
Mendeteksi
Kualitas Telur
Ayam [2019]
2 Sistem Distribusi 1. Agung Priyo Metode: Hasil dari pengujian aplikasi ini
Penjualan Telur Utomo Algoritma Djikstra bahwasanya aplikasi tersebut
ayam Berbasis 2. Muhammad sangat mudah digunakan dalam
Android Priyono Tri S. pemesanan telur ayam.
Menggunakan
Metode
Algoritma
Dijkstra [2020]
3 Klasifikasi Mutu 1. Miftahus Data berupa citra, Metode: Berdasarkan hasil uji dari
Telur Sholihin yaitu data citra K-Nearest Neighbor penelitian ini dapat disimpulkan
Berdasarkan 2. M. Ghofar yang bersal dari bahwa nilai akurasi tertinggi dari
Fitur Warna Rohman ayam petelur yang Proses: proses klasifikasi sebesar 80% .
Dengan ada di fakultas 1. Input Citra Telur
 Menggunakan Peternakan 2. Pre- Processing
Metode Universitas Islam 3. Segmentasi
K=Nearest Lamongan. Data 4. Ekstrasi Ciri
Neighbor [2018] citra tersebut 5. Klasifikasi
berjumlah 60 data. 6. Kelas Citra Telur
Yang terdiri dari
data training dan
data testing
4 Penerapan 1. Yulia Menggunakan data Metode: Dari hasil penenlitian ini
Metode Purnama Sari sample atau data Algoritma C.45 menghasilkan nilai akurasi
Algoritma C4.5 Hutagaol real yang sebesar 90%
Untuk 2. Fauriatun berjumlah kurang Proses:
Menentukan Helmiah lebih 90 data uji. 1. Menentukan atribut Keuntungan:
Kualitas Telur 3. Sumantri 2. Membuat cabang 1. Mengambil suatu
Ayam Australia pada nilai tersebut keputusan lebih sederhana
Terbaik 3. Menambahkan kasus 2. Mempersingkat pekerja
dalam semua cabang karyawan
4. Proses pengulangan 3. Lebih fleksibel dalam
dilakukan setiap pemilihan atribut kelas,
cabang yang 4. keakuratan dalam
menghasilkan kelas memprediksi lebih efektif
yang sesuai. dan efisien dan mudah
dipahami
5 Penerapan Muhammad Rizky Menggunakan data Metode: Hasil:
Algoritma Firdaus sample. Convolutional Neural Nilai akurasi yang didapatkan
Convolutional Data telur yang Network (CNN) pada proses klasifikasi adalah
Neural Network telah dikumpulkan 98% dan nilai error sebesar 5%
dalam Klasifikasi dibagi menjadi dua Proses:
Telur Ayam kelas yaitu telur 1. Mengumpulkan studi Kekurangan:
Fertil dan Infertil fertil dan telur literatur 1. Data telur fertil yang
Berdasarkan infertil. Data kelas 2. Pengambilan data diambil adalah telur yang
Hasil Candling pertama yaitu telur sample yang terdiri sudah dierami selama 5
[2020] fertil, data ini dari fertil dan infertil sampai 10 hari sehingga
terkumpul menjadi 3. Mengaplikasikan ke klasifikasi telur hanya
111 data dan data Algoritma dapat dilakukan pada hari-
kelas kedua yaitu Convolutional hari tersebut.
telur infertil Neural Network 2. Dari grafik yang ada
terkumpul menjadi (CNN) Untuk proses menunjukkan bahwa
138 data. Setelah pengklasisikasian adanya kemungkinan jika
itu kedua kelas ini proses training model
dipecah kembali mengalami overfitting
menjadi data karena nilai antara training
training atau data dan validasi pada
latih dan data beberapa epochs terdapat
validasi. Data perbedaan yang cukup
training telur fertil signifikan. Hal tersebut
dibagi menjadi 88 disebabkan karena dataset
data dan data yang didapatkan tidak
training telur cukup banyak untuk
infertil dibagi proses pelatihan dan
menjadi 110 data. validasi.
Lalu data validasi
untuk telur fertil
dibagi menjadi 23
data dan data
validasi telur
 infertil dibagi
menjadi 28 data.
6 Klasifikasi 1. Andri Data yang Metode: Hasil dari pengujian didapatkan
Kelayakan Telur Maulana dikumpulkan Algoritma Naive Bayes nilai akurasi sebesar 75% dengan
Ayam Ras Iksan berjumlah 100 data Classifier. 20 data uji.
Broiler 2. Rudi citra telur terbagi
Menggunakan Hariyanto menjasi 80 data Proses:
Metode Naive 3. Anang Aris latih dan 20 data 1. Studi Literatur
Bayes Classifier Widodo. uji. 2. Perancangan Sistem
3. Implementasi
Algoritma Naïve
Bayes Classifier
4. Pengujian
5. Evaluasi Hasil
Pengujian
7 Peramalan Harga 1. Eka Miyahil Data yang Metode: Berdasarkan hasil pengujian,
Pasar Telur Uyun digunakan pada Fuzzy Time Series-GA parameter optimal yang
Ayam Ras di 2. Arief penelitian ini didapatkan berupa ukuran
Kota Malang Soebroto merupakan data Proses: populasi sebesar 40, panjang
dengan sekunder harga 1. Pengumpulan data kromosom sebesar 25, kombinasi
Menggunakan telur ayam ras di 2. Seleksi Model crossover dan mutation rate
Metode “Fuzzy Kota Malang 3. Validasi Model sebesar 0,4 dan 0,5, serta jumlah
Time Series-GA” 4. Implementasi iterasi sebesar 500. Hasil yang
[2018] 5. Pengujian sistem didapat dengan menerapkan
parameter-parameter optimal
menunjukkan bahwa metode
Fuzzy Time Series-GA berkerja
lebih baik dibandingkan dengan
 Fuzzy Time Series. MAPE
terbaik yang didapatkan
menggunakan metode Fuzzy
Time Series-GA sebesar
1,3347731.
8 Analisis Estimasi 1. Wulan Dwi Dengan Metode: Sistem yang di rancang
Berat Telur Suryandari mengambil citra Fraktal Dengan Klasifikasi menghasilkan nilai akurasi dari
Ayam Ras 2. Efri telur menggunakan Desicion Tree berat telur untuk hari ke-1 dengan
Berdasarkan Suhartono, kamera Canon akurasi 86,6% dan waktu
Masa S.T., M.T. EOS 60D, Citra Proses: komputasi 1,64 detik serta, pada
Penyimpanan 3. Prof. Dr. Ir. yang diambil 1. Akuisisi Citra hari ke-10 menghasilkan akurasi
Menggunakan Sjafril Darana, merupakan telur 2. Tahap Pre- sebesar 86,6 % dan waktu
Metode Fraktal S.U. ayam ras masih processing komputasi 1,88 detik.
Dengan fresh dan telur Adapun tahapnya
Klasifikasi ayam ras yang sebagai berikut:
Desicion Tree berumur 10 hari. Input citra,
[2019] Rgb2YCbCr, Canny
Edge, Masking, Imfil
3. Ekstrasi Citra
Parameter yang
digunakan yaitu
ukuran s yaitu: 2 1 ,
22 , 23 , 24
4. Klasifikasi
5. Perfoma sistem
Terdapat 2 parameter
yang akan dipakai
 pada performansi
sistem,

9 Penentuan Septiana Pengambilan data Metode: Simple Additive Berdasarkan percobaan yang
Kualitas telur di bagi menjadi 2 Weighting dilakukan form konsultasi yaitu
Ayam Pada yaitu: pengujian hasil konsultasi yang
Peternakan 1. Data Proses: diharapkan, Dengan model
Mulawarman Primer Metode SAW membutuhkan representasi pengetahuan kaidah
Gadingrejo yang proses normalisasi matriks produksi menggunakan metode
Dengan Metode berupa keputusan (X) ke suatu skala SAW, sistem dapat menentukan
SAW(Simple hasil yang dapat diperbandingkan kualitas telur dengan benar.
Additive observasi dengan semua rating
Weighting) dan hasil alternatif yang ada, dimana
[2018] wawancara rij adalah rating kinerja
2. Data ternormalisasi dari alternatif
Sekunder Ai pada atribut Cj;
Sumber i=1,2,...,m dan j=1,2,...,n
data yang
di dapat Nilai preferensi untuk setiap
dari alternative (Vi)diberikan
masyarakat sebagai:
Gadingrejo
antara lain,
Tercipta
hasil
 produksi
dan
kualitas
telur ayam
ras untuk di
promosikan
melalui
media
internet
dan dari
sumber-
sumber
buku untuk
mengolah
data
10 Pengklasifikasian 1. Nur Ibrahim Data yang Metode: K-Nearest Hasil dari penelitian ini
Grade Telur 2. Tasya digunakan untuk Neighbor menunjukkan bahwa sistem
Ayam Negeri Fikriyah data latih sebanyak pengklasifikasian grade telur
menggunakan Bacheramsyah 30 Buah cita dan Proses: ayam negeri menggunakan
Klasifikasi K- 3. Bambang data yang diuji 1. Uji Citra klasifikasi k-nearest neighbor
Nearest Hidayat adalah sebanyak 2. Membandingkan telah berhasil diimplementasikan
Neighbor 4. Sjafril Darana 55 buah citra. Jarak antara nilai pada perangkat keras berbasis
berbasis Android piksel Citra Uji android, dengan parameter layer 4
[2018] dengan nilai piksel (grayscale), nilai K=1, dan
setiap citra latih metode penghitungan jarak
3. Membandingkan cosine, yang menghasilkan
jarak terdekat tingkat akurasi rata-rata terbaik
sebesar 80% dengan pengukuran
 sebagai keputusan menggunakan micrometer HU
pengelompokkan sebagai pembanding. Walaupun
4. Hasil hasil terbaik bukanlah dengan
pengelompokkan metode penghitungan jarak
cosine, tetapi hasil pengujian
menunjukkan perbedaan akurasi
dan waktu yang tidak signifikan
(selisih akurasi sebesar 1,81% dan
selisih waktu sebesar 0,0509 s)
dengan metode penghitungan
jarak Euclidean yang
menghasilkan akurasi sebesar
81,81% pada Matlab.
Hasil Pemetaan Algoritma