JATIMTIMES - Pola makan masyarakat Indonesia, seiring berjalannya waktu terus meningkat. Hal ini juga diiringi dengan kesadaran tentang pentingnya peningkatan gizi yang dibutuhkan. Salah satu pemenuhan gizi tersebut adalah dengan mengkonsumsi daging ayam ataupun telur ayam.
Menjadi salah satu komoditi makanan untuk pemenuhan gizi, membuat permintaan masyarakat akan ayam petelur untuk diproduksi dan konsumsi jauh lebih banyak. Peluang pasar ayam petelur ini sangat besar. Ayam ras petelur juga berperan penting dalam penyediakan kebutuhan telur masyarakat sebagai bagian dari pemenuhan kebutuhan protein hewani.
Baca Juga : Waniti, Warga Kota Batu yang Berusia Lebih dari 100 Tahun, Rutin Konsumsi Sayuran dan Tahu-Tempe
Setiap tahun, permintaan terhadap telur semakin meningkat. Lebih dari itu, telur ayam memiliki permintaan yang income estic demand untuk di evaluasi agar mendapatkan yang terbaik. Karenanya, manajemen pemeliharaan ayam petelur yang baik akan menghasilkan pertumbuhan yang baik, konditi ayam yang sehat, tingkat kematian yang rendah dan pada akhirnya akan menghasilkan ayam petelur dengan produksi yang tinggi.
Dalam upaya mengoptimalkan produksi ayam petelur, sebelumnya telah dilakukan penelitian dengan sistem klasifikasi otomatis ayam petelur siap potong.
Tetapi, hasil dari kinerja yang didapatkan terbilang rendah, hanya mencapai 45 persen saja. Selanjutnya klasifikasi berdasarkan warna ayam pun dengan keakuratan hanya mencapai 56 persen. Karena itu, untuk memperbaiki kinerja dari penelitian sebelumnya, dua dosen Universitas Widyagama Malang, yakni Firman Nurdiansyah sebagai Ketua Tim dan Fitri Marisa sebagai anggota melakukan penelitian melalui Program Penelitian Dosen Dana Internal Perintis 2023.
Dijelaskan Firman Nurdiansyah SKom MM, Penelitian ini bertujuan untuk mengklasifikasikan jenis-jenis dari ayam petelur yang ada di Indonesia. Karena banyaknya jenis ayam, maka hal ini akan memudahkan masyarakat ataupun pengusaha ayam dalam memilih ayam petelur yang berkualitas baik. Di sisi lain juga dapat meningkatkan ekonomi masyarakat dengan cara menjual sebuah ayam petelur dengan kualitas yang baik.
"Penelitian ini dilakukan di peternakan di kawasan Kecamatan Wagir, Kabupaten Malang," ujarnya.
Penelitian dilakukan dengan menggunakan Artificial Neural Network dan Decision Tree. Artificial Neural Network merupakan sistem prosesor paralel terhubung satu sama lain dalam bentuk grafik diarahkan. Koneksi dalam Artificial Neural Network ini memberikan struktur hirarkis yang mencoba untuk meniru fisiologi otak, mencari model-model baru pengolahan untuk memecahkan masalah tertentu di dunia nyata. Artificial Neural Network terdiri dari 3 lapisan, yaitu Input Layer, Hidden Layer dan Output Layer.
Kemudian, Decision Tree merupakan metode klasifikasi dan prediksi yang sangat kuat dan terkenal. Metode decision tree mengubah fakta yang sangat besar menjadi pohon keputusan yang mempresentasikan aturan. Aturan dapat dengan mudah dipahami dengan bahasa alami. Dan mereka ini juga dapat diekspresikan dalam bentuk basis data seperti Structure Query Language (SQL) untuk mencari record pada data tertentu.
Dalam metode penelitian ini, ialah sebuah proses klasifikasi ayam petelur. Diawali pada tahap yaitu data training, dimana data yang telah ada akan ditraining sesuai dengan pengujian yang dilakukan. Kemudian dalam data testing adalah proses pengetesan dalam pengujian yang dilakukan. Pengetesan ini bertujuan untuk mencari keakuratan.
Pada tahapan selanjutnya yaitu proses klasifikasi berdasarkan fitur ekstraksi. Dalam fitur ekstraksi ini menggunakan 2 fitur pengujian yaitu fitur tekstur dan fitur
bentuk. Dalam fitur ekstraksi ini menggunakan 2 fitur pengujian yaitu fitur tekstur dan fitur bentuk. Tahap selanjutnya yaitu proses pengujian dan perbandingan dengan menggunakan machine learning Decision Tree dan Artificial Neural Network.
Tahap terakhir yaitu proses evaluasi, pada masing-masing pengujian untuk mencari kelebihan dan kekurangan dalam setiap pengujian yang dilakukan. Dimana dalam evaluasi menggunakan 4 parameter yaitu akurasi, presisi, recall, dan f-measure.
Pada data training dan data testing digunakan untuk pengambilan data citra masing-masing jenis ayam petelur. Dalam pengumpulan data jenis ayam, didapatkan 8 macam jenis yang berbeda di Indonesia. Jenis ayam tersebut yaitu Ayam Petelur Ancoa, Ayam Petelur Buff Orpington, Ayam Petelur Coklat, Ayam Petelur Hamburg, Ayam Petelur Maran, Ayam Petelur Plymouth Rock, Ayam Petelur Putih, Ayam Petelur Sussex.
Baca Juga : Ilmuwan Pencipta Vaksin Covid-19 Sputnik Dibunuh di Rusia
Proses klasifikasi jenis ayam petelur ini menggunakan 324 data uji. Dalam perbandingan juga menggunakan split ratio di setiap pengujiannya. Metode split ratio ini menggunakan pembanding antara 10 persen data training dan 90 persen data testing, serta 90 persen data training dan 10 persen data testing.
"Pada fitur ekstraksi merupakan pengambilan ciri khusus dari masing-masing jenis ayam. Fitur ekstraksi ini menggunakan 2 fitur yang berbeda dalam proses klasifikasi ayam petelur," jelasnya.
Pada proses evaluasi menggunakan parameter accuracy, precision, recall dan f-measure sebagai hasil dari klasifikasi ayam petelur. Pada data uji terdapat 324 data uji yang kemudian dilakukan proses split hingga data dibagi menjadi 9 kelas.
Dari hasil yang didapatkan bahwa decision tree memiliki nilai tertinggi mencapai 0.604 pada split ratio 90:10 antara data training dan data testing. Kemudian pada recall mendapatkan nilai tertinggi mencapai 0.611 pada split ratio 90:10 antara data training dan data testing.
Selanjutnya pada f-measure mendapatkan nilai tertinggi mencapai 0.598 pada split ratio 90:10 antara data training dan data testing. Nilai accuracy mendapatkan nilai tertinggi mencapai 90.00% pada split ratio 50:50 antara data training dan data testing
Artificial Neural Network lebih baik dalam proses pengujiannya. Serta dalam pengujian yang telah diketahui membuktikan hasil pada split ratio 50:50 tekstur dan bentuk dengan nilai precision mendapatkan nilai mencapai 0.680, recall mendapatkan nilai 0.521, f-measure mendapatkan nilai 0.600 dan accuracy juga memiliki nilai tertinggi mencapai 92.50 persen pada split ratio 50:50 antara data training dan data testing.
Hasil membuktikan dengan klasifikasi menggunakan Artificial Neural Network menghasilkan precision, recall, f-measure dan accuracy tertinggi dibandingkan decision tree.
"Manfaat yang didapatkan dalam penelitian ini yaitu, untuk mengetahui ayam petelur yang siap diproduksi dan mana yang belum siap untuk keluar. Kemudian manfaat yang didapatkan yaitu perbaikan kinerja dari klasifikasi ayam petelur dengan menggunakan Artificial Neural Network dan Decision Tree. Hal ini nantinya juga akan memberikan dampak yang positif dalam menentukan kualitas ayam petelur yang baik," pungkasnya.
