ANALISIS CNN UNTUK KLASIFIKASI KEBERSIHAN SARANG BURUNG WALET

  • Syarifudin Ahmad
    Universitas Mercu Buana Yogyakarta
  • Supatman -
    Universitas Mercu Buana Yogyakarta
DOI: https://doi.org/10.23960/jitet.v13i3.6685
Abstract Views (Last 12 Months)
530 Abstract Views
384 Downloads

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.

Downloads

Download data is not yet available.

References

A. Whila and R. S. Munawaroh, “Analisis Kualitas Produk Dan Strategi Pemasaran Sarang Burung Walet Di Kecamatan Pelaihari Kabupaten Tanah Laut,” Din. Ekon. J. Ekon. dan Bisnis, vol. 16, no. 2, pp. 393–402, 2023, doi: 10.53651/jdeb.v16i2.453.

E. A. Hardi, F. S. Noor, and A. Syawaludin, “Analisis Peluang Usaha Sarang Burung Walet Ditinjau dari Maqashid Syariah (Studi Desa Sungai Sayang Kec. Sadu Kab. Tanjung Jabung Timur),” J. Student Res., vol. 1, no. 5, pp. 157–170, 2023.

K. Sussolaikah and M. Fahmi, “Implementasi Wighted Product dan TOPSIS dalam Penentuan Kualitas Sarang Walet,” 2022.

M. Ismail and R. Yulvianda, “Penerapan Data Mining Dengan Metode K-Nearest Neighbor Terhadap Klasifikasi Sarang Walet,” J. Media Inform. Budidarma, vol. 7, no. 3, p. 1220, 2023, doi: 10.30865/mib.v7i3.6431.

U. S. Rahmadhani and N. L. Marpaung, “Klasifikasi Jamur Berdasarkan Genus Dengan Menggunakan Metode CNN,” J. Inform. J. Pengemb. IT, vol. 8, no. 2, pp. 169–173, 2023, doi: 10.30591/jpit.v8i2.5229.

S. Sriani and A. Nabila, “Implementasi Deep Learning Untuk Mengidentifikasi Umur Manusia Menggunakan Convolutional Neural Network (Cnn),” J. Inform. dan Tek. Elektro Terap., vol. 12, no. 3, pp. 1836–1843, 2024, doi: 10.23960/jitet.v12i3.4457.

Sandy Andika Maulana, Shabrina Husna Batubara, Tasya Ade Amelia, and Yohanna Permata Putri Pasaribu, “Penerapan Metode CNN (Convolutional Neural Network) Dalam Mengklasifikasi Jenis Ubur-Ubur,” J. Penelit. Rumpun Ilmu Tek., vol. 2, no. 4, pp. 122–130, 2023, doi: 10.55606/juprit.v2i4.3084.

J. Alberto and D. Hermanto, “Klasifikasi Jenis Burung Menggunakan Metode CNN ResNet-50 [1],” J. Tek. Inform. dan Sist. Inf., vol. 10, no. 3, pp. 34–36, 2023.

G. A. Pratama, E. Y. Puspaningrum, and H. Maulana, “Convolutional Neural Network Dan Faster Region Convolutional Neural Network Untuk Klasifikasi Kualitas Biji Kopi Arabika,” J. Inform. dan Tek. Elektro Terap., vol. 12, no. 3, pp. 2776–2785, 2024, doi: 10.23960/jitet.v12i3.4887.

I. Alfiantama, M. I. Kresnawan, and A. P. Handoko, “Klasifikasi Tingkat Roasting Biji Kopi Dengan Metode CNN,” Pros. Semin. Nas. Teknol. Dan Sains Tahun 2024, vol. 3, pp. 285–290, 2024.

J. PARDEDE and S. S. KLEB, “Face Race Classification using ResNet-152 and DenseNet- 121,” ELKOMIKA J. Tek. Energi Elektr. Tek. Telekomun. Tek. Elektron., vol. 12, no. 3, p. 798, 2024, doi: 10.26760/elkomika.v12i3.798.

A. F. Ihsani and M. Ichwan, “Kombinasi Arsitektur VGG16 dan DenseNet121 Untuk Klasifikasi Kualitas Biji Kopi Berdasarkan Tingkat Kematangan,” pp. 1–12, 2023.

Cover
Issue
Published
2025-07-17
How to Cite
Ahmad, S., & -, S. (2025). ANALISIS CNN UNTUK KLASIFIKASI KEBERSIHAN SARANG BURUNG WALET. Jurnal Informatika Dan Teknik Elektro Terapan, 13(3). https://doi.org/10.23960/jitet.v13i3.6685
Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.