Rancang Bangun Sistem Penghitung Telur Ayam Otomatis Menggunakan Algoritma YOLO Berbasis Iot Guna Meningkatkan Efisiensi Waktu Peternak
Tahun 2026 · Penulis: Muhammad Alviyo Zaki Athallah
Faculty of Agricultural Technology, Universitas Jember
Tautan: https://repository.unej.ac.id/handle/123456789/14028
Skripsi kelompok: digabung dari 2 unggahan dengan isi yang sama.
Abstrak
Teks yang dipakai untuk pengindeksan BM25 dan IndoSBERT
Pengelolaan pemanenan telur pada peternakan ayam petelur sistem umbaran (*free-range*) berskala kecil hingga menengah umumnya masih dilakukan secara manual, sehingga rentan terhadap kesalahan manusia (*human error*) dan menyulitkan peternak dalam memprediksi fluktuasi produksi harian. Untuk mengatasi masalah tersebut, penelitian ini merancang prototipe sistem penghitungan telur otomatis berbasis *Computer Vision* dan *Internet of Things* (IoT) yang terintegrasi dengan fitur prakiraan sebagai sistem informasi manajemen. Sistem ini menggunakan mikrokontroler ESP32-CAM yang dilengkapi sensor OV2640 yang dipasang secara tegak lurus (pandangan dari atas) di atas nampan penampung telur; aliran video diproses secara *real-time* menggunakan bahasa pemrograman Python dan algoritma *Deep Learning* YOLOv8 Nano (YOLOv8n). Data yang terkumpul kemudian dikirimkan sebagai notifikasi interaktif melalui API Telegram Bot dan secara bersamaan diunggah ke basis data Google Sheets untuk memicu perhitungan prakiraan produksi secara otomatis menggunakan metode *Holt's Double Exponential Smoothing* (DES). Hasil evaluasi model YOLOv8n menunjukkan kinerja deteksi yang sangat andal, dengan capaian Presisi 99,0%, *Recall* 99,8%, dan *Mean Average Precision* (mAP50) sebesar 99,5%. Sementara itu, evaluasi model prakiraan DES menghasilkan nilai rata-rata *Mean Absolute Percentage Error* (MAPE) sebesar 25,81%. Persentase yang relatif tinggi ini semata-mata dipengaruhi oleh bias matematis akibat skala data panen harian yang sangat kecil (dikenal sebagai masalah penyebut kecil atau *small denominator problem*), dan bukan disebabkan oleh kegagalan komputasi sistem. Secara keseluruhan, integrasi sistem cerdas ini telah berhasil diimplementasikan sebagai solusi otomatisasi yang andal untuk memodernisasi pengelolaan data dan prediksi dalam industri peternakan ayam petelur.
Dokumen Serupa
Berdasarkan kemiripan vektor embedding IndoSBERT (cosine similarity).
- Cosine 0,817
Tahun 2026 · Penulis: I’in Mardhiana
Implementasi Arsitektur Improved YOLOv8 untuk Deteksi Penyakit Buah Kakao Menggunakan Citra Buah Berbasis Website
Sektor perkebunan kakao Indonesia memainkan peranan strategis dalam perdagangan internasional, tetapi stabilitas produksinya terhambat oleh hama dan wabah penyakit. Fluktuasi dalam nilai ekspor biji kakao selama periode 2022-2025 yang secara singkat mencapai 8
- Cosine 0,815
Tahun 2027 · Penulis: Ilvan Rezky Pradana
Implementasi Sistem Keamanan Otomatis dengan You Only Look Once V8
Peningkatan kasus kriminalitas, khususnya pencurian sepeda motor di kawasan padat penduduk, menuntut adanya sistem keamanan yang lebih proaktif dan efisien. Sistem keamanan konvensional seperti patroli manual dan CCTV memiliki keterbatasan karena sifatnya yang
- Cosine 0,813
Tahun 2026 · Penulis: Helena Pangastuti
Pengembangan Sistem Penghitungan Semangka Berbasis Kecerdasan Buatan Menggunakan Algoritma YOLO
Perhitungan semangka yang akurat memainkan peran penting dalam pertanian presisi, terutama untuk menghasilkan estimasi, perencanaan panen, dan manajemen distribusi pasca-peserta. Dalam kondisi praktis bidang, jumlah semangka sebagian besar masih dilakukan mela