ANALISIS CNN UNTUK KLASIFIKASI KEBERSIHAN SARANG BURUNG WALET

Abstract

Sarang burung walet memiliki nilai yang tinggi, Indonesia adalah industri sarang burung walet terbesar di dunia, dengan lebih dari 75% pasokan dunia diproduksi. Namun, analisis kualitas sarang burung walet belum ditetapkan melalui pendekatan sistematis, kualitas masih dilakukan secara manual dan subjektif. Oleh karena itu, sulit untuk menetapkan standar yang dianggap berkualitas baik atau buruk. Proses analisis juga dapat menyebabkan perbedaan kesan antara penjual dan pembeli. Penelitian ini bermaksud untuk mengembangkan metode untuk melakukan klasifikasi sarang burung walet berdasarkan tingkat kebersihan melalui sistem klasifikasi otomatis CNN. Penelitian ini mencakup metode pengumpulan data primer yang terdiri dari 900 gambar (300 gambar sarang burung walet bersih, sedikit berbulu, dan cukup berbulu). Hasil menunjukkan bahwa akurasi keseluruhan model CNN adalah 84% pada seluruh dataset setelah pelatihan dan pengujian tiga kelas sarang burung walet, model CNN mencapai hasil terbaik saat mengklasifikasikan sarang yang cukup berbulu (presisi=0,97 dan recall=0,90). Berdasarkan hasil penelitian, bahwa pendekatan deep learning menggunakan CNN mencapai tujuan untuk mengotomatisasi masalah evaluasi kualitas burung walet, berdasarkan gambar visual, sehingga meningkatkan hasil, dan meningkatkan objektivitas pada pasar sarang burung walet.