<![CDATA[Kualitas telur ayam merupakan salah satu faktor penting dalam menentukan nilai konsumsi dan kualitas distribusi produk pangan. Proses penilaian kualitas telur secara konvensional masih dilakukan secara manual sehingga memerlukan waktu, biaya, dan ketelitian yang tinggi. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi kualitas telur ayam berbasis pengolahan citra digital menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur MobileNetV2. Dataset yang digunakan merupakan citra telur ayam yang diperoleh secara mandiri dan dikelompokkan ke dalam tiga kategori kualitas, yaitu tinggi, sedang, dan rendah. Masing-masing kelas terdiri dari 100 citra, kemudian dilakukan proses augmentasi sehingga total dataset menjadi 1800 citra. Tahapan penelitian meliputi pengumpulan dataset, preprocessing, augmentasi data, pelatihan model, serta evaluasi performa. Proses preprocessing dilakukan dengan resize citra menjadi 224×224 piksel dan normalisasi data agar sesuai dengan input MobileNetV2. Model dilatih menggunakan optimizer Adam dan fungsi loss sparse categorical crossentropy. Evaluasi model dilakukan menggunakan confusion matrix dan classification report. Berdasarkan hasil pengujian, arsitektur MobileNetV2 berhasil mencapai nilai akurasi akhir sebesar 98,10% dengan performa yang stabil dan seimbang dalam mengklasifikasikan seluruh tingkatan kualitas telur. Temuan ini membuktikan bahwa pendekatan deep learning non-destruktif berbasis identifikasi warna cangkang dapat diimplementasikan secara efektif untuk mendukung otomasi sortasi pada industri pangan.]]>
Copyrights © 2026
