Analisis Fitur Citra Sayap untuk Identifikasi Jenis Kelamin DOC Ayam Broiler menggunakan Regresi Logistik

Abstract

Identifikasi jenis kelamin day-old chick (DOC) merupakan tahap krusial pada proses pembibitan unggas, yang umumnya dilakukan dengan metode feather sexing manual. Penelitian ini mengembangkan metode identifikasi jenis kelamin DOC ayam broiler berbasis pengolahan citra dan machine learning melalui analisis fitur citra sayap. Sebanyak 191 citra sayap diperoleh menggunakan kamera smartphone dan diproses melalui tahapan peningkatan kualitas citra, segmentasi, deteksi tepi, serta ekstraksi enam kelompok fitur yaitu shape features, Hu Moments, GLCM, statistik intensitas, LBP, dan edge direction. Seluruh kombinasi fitur dievaluasi dalam 63 skenario menggunakan Leave-One-Out Cross Validation (LOOCV) dengan Regresi Logistik sebagai model utama dan Random Forest serta XGBoost sebagai model pembanding. Hasil analisis relevansi fitur menggunakan ANOVA F-test menunjukkan bahwa 28 dari 39 fitur memiliki perbedaan signifikan antara kelas (p<0,05) dengan dominasi fitur bentuk dan tekstur. Hasil penelitian menunjukkan bahwa Regresi Logistik dengan parameter regulasi C=10 serta penggunaan 28 fitur signifikan memberikan performa terbaik dengan akurasi 83,77% dan 160 dari 191 sampel berhasil diklasifikasikan dengan benar, mengungguli kedua model pembanding. Penelitian ini menunjukkan bahwa pendekatan berbasis fitur morfologi dan tekstur sayap mampu mengidentifikasi jenis kelamin DOC secara objektif dan non-invasif, serta berpotensi dikembangkan menjadi sistem identifikasi berbasis perangkat sederhana untuk mendukung modernisasi industri perunggasan.