Analisis Performa Vision Transformer Pada Klasifikasi Fine-Grained Cacat Cangkang Telur

Permasalahan kualitas dan keamanan pangan pada telur ayam sangat dipengaruhi oleh integritas cangkangnya. Proses Quality Control (QC) atau penyortiran manual memiliki kelemahan mendasar seperti tingkat subjektivitas yang tinggi, inkonsistensi akibat kelelahan mata, dan kapasitas sortir yang lambat. Masalah paling kritis dalam QC telur adalah deteksi cacat cangkang berupa retak halus (hairline cracks) yang berisiko tinggi memicu kontaminasi bakteri patogen ke dalam isi telur. Penelitian ini bertujuan untuk merancang serta menganalisis performa arsitektur Vision Transformer (ViT) dalam melakukan klasifikasi fine grained cacat cangkang telur ke dalam tiga kelas, yaitu: Baik, Retak, dan Kotor. Metodologi yang digunakan mengadopsi kerangka kerja Cross-Industry Standard Process for Data Mining (CRISP-DM). Pemodelan dibangun menggunakan teknik Transfer Learning dengan menerapkan arsitektur pre-trained ViT-B/16. Untuk meningkatkan ketangguhan (robustness) model, pelatihan dilakukan menggunakan hybrid dataset yang menggabungkan data sekunder dari repositori publik dan data primer hasil pengambilan langsung menggunakan kamera ponsel cerdas. Hasil evaluasi kuantitatif menunjukkan bahwa model ViT berhasil mencapai tingkat akurasi global sebesar 99%. Secara spesifik, model mencatatkan nilai Recall sempurna yaitu 1.00 (100%) untuk kelas 'Retak'. Tingginya nilai Recall ini sangat krusial dalam meminimalkan risiko lolosnya telur cacat (False Negative) ke tangan konsumen. Lebih lanjut, evaluasi menggunakan metode Cross-Domain mengonfirmasi bahwa model memiliki karakteristik Fail-Safe (Gagal di Sisi Aman), di mana model terbukti mampu mendeteksi 100% telur retak pada domain data baru tanpa meloloskannya sebagai telur baik. Kesimpulannya, arsitektur Vision Transformer terbukti sangat efektif dan andal untuk mendeteksi anomali fine grained pada cangkang telur, menjadikannya solusi yang sangat layak diimplementasikan dalam sistem QC otomatis untuk menjamin keamanan pangan.