Calon Dosen Pembimbing I: Romi Fadillah Rahmat B.Comp.Sc M.Sc Paraf Calon Dosen Pembimbing I
(Jika judul dari dosen maka dosen tersebut berhak menjadi pembimbing I)
dapat kita ketahui bobot sapi tersebut.Untuk menghitung menggunakan pita ukur
ini tentunya kita harus mengetahui dimana letak pasti lingkar dada tersebut.
Pada penelitian tentang pengembangan model pita ukur untuk menduga bobot
badan berdasarkan lingkar dada yang diteliti oleh Pardosi (2016) memperoleh hasil
bahwasannya Pita ukur Agrotech, Animeter dan Rondo tidak akurat untuk
menduga bobot badan, akan tetapi rumus schroll dan smith dapat menduga bobot
badan sapi Brahman Cross dan Sapi Limousin sedangkan untuk sapi peranakan
ongole, sapi aceh, dan sapi bali tidak akurat. Pendugaan bobot badan pada sapi
Peranakan Ongole, sapi Brahman Cross, Sapi Limousin, sapi Bali, dan sapi Aceh
yang paling mendekati adalah dengan menggunakan pita ukur yang dibuat
berdasarkan rumus regresi yang telah diperoleh dari penelitian ini.
Untuk orang yang mengerti di bidang peternakan tentunya sangat mudah untuk
menggunakan pita ukur ini. Akan tetapi,untuk orang awam di bidang peternakan
akan cukup sulit untuk menggunakannnya dan membutuhkan cara lebih praktis
untuk menghitung bobot sapi hanya dari gambar sapi saja. Penelitian lain yang
menggunakan metode Convolutional Neural Networks (CNN) untuk mendeteksi
sapi yang dilakukan Rivas (2018). Dengan metode ini didapatkan hasil akurasi
sebesar 99.67% untuk background sekitar objek dan 98.16% untuk objek sapi.
Dari gambar sapi, kita dapat mengukur lingkar dada nya berdasarkan titik tepi
nya. Pada penelitian Ansari (2017) yang menganalisis metode titik tepi pada
pengolahan citra digital didapatkan hasil bahwa metode Canny Edge Detection
merupakan metode yang paling bagus untuk mendeteksi titik tepi dibandingkan
metode titik tepi yang lain.
KEMENTERIAN RISET, TEKNOLOGI DAN PENDIDIKAN TINGGI
UNIVERSITAS SUMATERA UTARA
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
Jalan Universitas No. 9A Kampus USU, Medan 20155
Tel/Fax: 061 8228048, e-mail: fasilkomti@usu.ac.id, laman: http://fasilkom-ti.usu.ac.id
Penjelasan :
1. Tahap pertama adalah proses pengumpulan data positif berupa foto sapi dan data negative
berupa foto non sapi atau foto di sekitar objek sapi yang digunakan untuk data training dan
foto sisi sapi untuk data testing. Proses pengumpulan data diambil secara langsung
menggunakan kamera smartphone.
2. Tahap kedua dibagi menjadi tahap Image Calibration dan Image Preprocessing. Pada tahap
image calibration dilakukan proses pixel density menthod dan focal length method yang
berguna untuk mengukur jarak kamera ke objek sehingg dapat diketahui Conversion Factor
(CF). Dan pada tahap image preprocessing dilakukan proses penyeragaman warna keabuan
pada citra kemudian meningkatkan kontras pada citra yang telah melalui tahap grayscale.
Setelah melalui proses contrast enhancement dilakukanlah proses filtering yang berguna untuk
mengurangi noise dan setelah itu melalui proses thresholding yang bertujuan untuk mengubah
citra dengan skala abu-abu ke citra hitam putih dengan kualitas lebih tajam dan melakukan
proses operasi morphologi yaitu dilation.
3. Tahap ketiga ialah tahap segmentasi dimana tahap ini menggunakan metode canny edge
detection untuk mendeteksi tepi pada gambar sapi
4. Tahap keempat adalah feature extraction meggunakan Histogram of Oriented Gradients
(HOG) yang digunakan untuk mendapatkan nilai fitur pada citra agar mempermudah proses
identifikasi
5. Tahap Kelima adalah identifikasi menggunakan metode Convolution Neural Network (CNN).
Setelah tahap-tahap tersebut dilakukan maka akan menghasilkan output berupa nilai lingkar
dada sapi dan nilai bobot sapi.
Referensi
[1] A. S. Parihar, M. Gupta, V. Sikka dan G. Kaur, “Dimensional Analysis Of Objects In A 2D
Images,” dalam 8th ICCCNT 2017, Delhi, India, 2017.
[2] M. A. Ansari, D. Kurchaniya dan M. Dixit, “A Comprehensive Analysis of Image Edge Detection
Techniques 1,” International Journal of Multimedia and Ubiquitous Engineering, vol. 12, no. 11,
pp. 1-12, 2017.
[3] K. T. Islam, R. G. Raj dan A. Al-Murad, “Performance of SVM, CNN, and ANN with BoW,
HOG, and Image Pixels in Face Recognition,” dalam 2nd International Conference on Electrical
& Electronic Engineering (ICEEE), Rajshahi, Bangladesh, 2017.
[4] M. H. Samosir, Hamdan dan A. H. Daulay, “Pendugaan Bobot Badan Sapi Brahman Cross, Sapi
Aceh Dan Sapi Bali Berdasarkan Panjang Badan Dan Lingkar Dada,” Jurnal Peternakan
Integratif, vol. 4, no. 2, pp. 155-162, 2016.
[5] E. A. S. Pardosi, “Pengembangan Model Pita Ukur dan Rumus Pendugaan Bobot Badan
Berdasarkan Lingkar Dada Pada Ternak Sapi,” Universitas Sumatera Utara, 2016.
[6] A. Rivas, P. Chamoso, A. González-Briones dan J. M. Corchado, “Detection of Cattle Using
Drones and Convolutional Neural Networks,” Sensors, 2018.
KEMENTERIAN RISET, TEKNOLOGI DAN PENDIDIKAN TINGGI
UNIVERSITAS SUMATERA UTARA
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
Jalan Universitas No. 9A Kampus USU, Medan 20155
Tel/Fax: 061 8228048, e-mail: fasilkomti@usu.ac.id, laman: http://fasilkom-ti.usu.ac.id