SISTEM IDENTIFIKASI PENYAKIT PADA AYAM PEDAGING BERDASARKAN GAMBAR KOTORAN MENGGUNAKAN ALGORITMA CNN

Nada, Rifdha Hana (2025) SISTEM IDENTIFIKASI PENYAKIT PADA AYAM PEDAGING BERDASARKAN GAMBAR KOTORAN MENGGUNAKAN ALGORITMA CNN. S1 thesis, Universitas Andalas.

	Text (Cover dan Abstrak) cover-abstrak.pdf - Published Version Download (198kB)
	Text (BAB I) Bab I.pdf - Published Version Download (188kB)
	Text (BAB V) BAB V.pdf - Published Version Download (83kB)
	Text (Daftar Pustaka) Daftar Pustaka.pdf - Published Version Download (212kB)
	Text (Tugas Akhir Full) Tugas Akhir Full Text.pdf - Published Version Restricted to Repository staff only Download (17MB)

Abstract

Sebagai salah satu sumber makanan yang sering dikonsumsi di Indonesia, peternak memelihara ayam pedaging untuk diperjualbelikan di pasar. Namun dalam praktiknya, terdapat banyak hal yang harus diperhatikan untuk menjaga kondisi kandang dan kondisi ternakan, salah satunya adalah kesehatan ayam. Kesehatan ayam pedaging harus diperhatikan untuk mengurangi resiko bakteri infeksi pada ayam dan mengurangi kualitas ayam. Salah satu tanda ayam terkena penyakit dapat dilihat dari karakteristik kotorannya.Namun, hal ini susah untuk diperhatikan karena peternak tidak dapat mengobservasi kotoran dan mengetahui dengan pasti ayam yang sakit. Penelitian ini bertujuan untuk merancang sebauh sistem identifikasi ayam pedaging yang sakit berdasarkan gambar kotoran dengan menggunakan algoritma CNN. Sistem bekerja dengan cara mendeteksi objek kotoran menggunakan model YOLOv4-Tiny, kemudian hasil deteksi akan dikirim melalui Bot Telegram beserta caption dan letak asal kotoran ayam dan LED akan menyala sesuai dengan indikasi kotoran yang dideteksi setiap 15 menit atau klasifikasi kotoran dengan menekan push button tanpa menunggu interval waktu. Sistem ini menghasilkan akurasi pengklasifikasian objek kotoran sebesar 90% dan nilai F1-Score sebesar 94.376%. Rata-rata delay waktu pengiriman pesan ke Telegram adalah 3.4323 sekon untuk interval 15 menit, dan 3.3026 sekon dengan push button.

Actions (login required)

View Item