Penerapan Algoritma Fast Fourier Transform dan K-nearest neighbor pada Pengklasifikasian Kualitas Telur Puyuh

Abstract

Abstrak — Kualitas telur puyuh sebagai makanan dipengaruhi oleh perlakuan dan peristiwa yang terjadi selama proses produksi hingga distribusi telur kepada konsumen. Selama proses ini, sel telur dapat menemui berbagai peristiwa yang dapat menyebabkan kulit telurnya pecah. Proses pemilihan telur sebagian besar dilakukan secara manual dengan menyinari telur atau dengan mengetuk kulit telur. Metode ini akan membutuhkan upaya yang lebih besar ketika jumlah telur yang akan diperiksa cukup banyak, sehingga diperlukan metode berbasis komputer untuk membantu mengatasi masalah ini. Dalam penelitian ini, dengan menggunakan algoritma Fast Fourier Transform (FFT), fitur-fitur dari suara ketukan diekstraksi, dan berdasarkan fitur-fitur tersebut, metode K-Nearest Neighbors (K-NN) digunakan untuk mengklasifikasikan suara ketukan ke dalam kelas bagus atau kelas rusak. Jumlah data yang digunakan adalah 180 telur puyuh, di mana 120 data digunakan sebagai data latih dan 60 data sisanya digunakan untuk data uji. Berdasarkan hasil pengujian, penggunaan FFT dan K-NN berhasil mengklasifikasikan kondisi kulit telur puyuh dengan tingkat akurasi lebih dari 80%.

 

Kata kunci — FFT; Keretakan Cangkang; Klasifikasi Suara; K-Nearest Neighbors.

 

Abstract — The quality of quail eggs as food is influenced by the treatment and events that occur during the production process to the distribution of eggs to consumers. During this process, the egg can encounter various events that can cause the eggshell broken. The process of egg selection is mostly done manually by candling the egg or by tapping the eggshell. This method will require greater effort when the number of eggs to inspect is quite a lot, so a computer-based method is needed to help overcome this problem. In this study, by using the Fast Fourier Transform (FFT) algorithm the features of tapping sound are extracted, and based on those features the K-Nearest Neighbors (K-NN)  method is used to classify tapping sound into good or break class. The amount of data used is 180 quail eggs, where 120 data use as training data and the remaining 60 data are used for test data. Based on the test results, the use of FFT and K-NN success to classify the quail eggshell conditions with an accuracy level over 80%.

 

Keywords —Eggshell Crack ; FFT; K-Nearest Neighbors; Sound Classification.