Sistem Deteksi Estrus Pada Sapi Berbasis Computer Vision Dan Internet Of Things Dengan Menggunakan Model Yolov8

Addari, M. Taqwa (2026) Sistem Deteksi Estrus Pada Sapi Berbasis Computer Vision Dan Internet Of Things Dengan Menggunakan Model Yolov8. S1 thesis, Universitas Andalas.

[img] Text (Cover dan Abstrak)
01. Cover & Abstrak.pdf - Published Version

Download (567kB)
[img] Text (BAB I Pendahuluan)
02. BAB I.pdf - Published Version

Download (551kB)
[img] Text (BAB V Penutup)
03. BAB V.pdf - Published Version

Download (261kB)
[img] Text (BAB V Penutup)
04. Daftar Pustaka.pdf - Published Version

Download (249kB)
[img] Text (Skripsi Fulltext)
05. Skripsi Fulltext.pdf - Published Version
Restricted to Repository staff only

Download (5MB) | Request a copy

Abstract

Deteksi estrus (masa birahi) pada sapi betina merupakan faktor krusial dalam manajemen reproduksi ternak. Ketidaktepatan deteksi dapat menyebabkan kegagalan inseminasi buatan (IB), penurunan tingkat kebuntingan, serta peningkatan biaya operasional peternakan. Penelitian ini bertujuan merancang dan mengimplementasikan sistem deteksi estrus sapi berbasis Computer Vision dan Internet of Things (IoT) menggunakan model YOLOv8 untuk mengidentifikasi perilaku estrus secara real-time dan otomatis. Sistem menggunakan kamera Arducam NoIR sebagai sensor input, Raspberry Pi 5 sebagai unit pemrosesan, serta modul WiFi untuk komunikasi data. Model YOLOv8n dilatih menggunakan 938 citra dengan dua kelas, yaitu mounting dan normal, melalui Google Colab dengan hyperparameter teroptimasi. Hasil implementasi menunjukkan sistem mampu mendeteksi perilaku mounting sebagai indikator estrus dengan akurasi rata-rata 88,89% pada pengujian langsung. Sistem berjalan secara real-time dengan kecepatan pemrosesan rata-rata 12,26 FPS dan waktu inferensi 72,39 ms per frame. Notifikasi hasil deteksi berhasil dikirim ke peternak melalui Bot Telegram dengan delay 2–3 detik. Pengujian selama 24 jam menunjukkan sistem stabil dengan penggunaan CPU rata-rata 49%, memori 2.298 MB, dan suhu operasi sekitar 65°C. Secara keseluruhan, sistem telah memenuhi spesifikasi yang ditetapkan dan diharapkan membantu peternak mendeteksi estrus secara tepat waktu serta meningkatkan efisiensi reproduksi sapi.

Item Type: Thesis (S1)
Supervisors: Dr. Eng. Tati Erlina, M.I.T. ; Yoan Purbolingga, M.T.
Uncontrolled Keywords: Deteksi Estrus; Computer Vision; Internet of Things (IoT); YOLOv8; Sapi; Real-Time; Raspberry Pi; Telegram Bot.
Subjects: S Agriculture > SF Animal culture
T Technology > T Technology (General)
T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions: Fakultas Teknologi Informasi > S1 Teknik Komputer
Depositing User: S1 Teknik Komputer
Date Deposited: 15 Apr 2026 02:36
Last Modified: 15 Apr 2026 02:36
URI: http://scholar.unand.ac.id/id/eprint/520755

Actions (login required)

View Item View Item