Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Jurnal Teknika Jurnal Informatika: Jurnal Pengembangan IT
Hairil Budiarto
universitas trunodjoyo madura
Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Deteksi Fertilitas Telur Ayam Menggunakan Metode YOLO untuk Sistem Sortir Otomatis irni ri'khah juliarti; Muhammad Latif; Sri Wahyuni; Achmad Imam Sudianto; Ach. Dafid; Hairil Budiarto
Jurnal Informatika: Jurnal Pengembangan IT Vol 11, No 2 (2026)
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/jpit.v11i2.10166

Abstract

Early detection of egg fertility is crucial for improving incubation efficiency and reducing energy waste in small-scale poultry farms. This study developed an automated sorting system using the YOLOv8n algorithm to detect and classify eggs into two classes: fertile and infertile. The dataset was collected through a candling process using images of 3- to 7-day-old chicken eggs taken under controlled lighting conditions. Data collection included acquiring original images, which were then manually annotated using a bounding box format in the collab platform to train the model to recognize embryo features. The YOLOv8n architecture was chosen for its superiority in fast feature extraction using an efficient backbone structure and neck system for real-time small object detection. Model performance was comprehensively evaluated using confusion matrix and mean average precision (mAP) metrics. The mAP value reached 0.995, precision 0.9, and recall 100% in the training phase. In live system testing using a webcam, the model produced stable confidence values in the range of 85% to 94% with an inference time of only 1.4 ms. The integration of intelligent models and servo actuators in the sorting system has been proven to be able to separate fertile and infertile eggs automatically with a high success rate.
Evaluasi Komparatif Kinerja YOLOv11 dan ResNet-50 untuk Deteksi Gestur Tangan pada Kendali Differential Drive Mobile Robot Diana Mar’atus Sholihah; Muhammad Latif; Muhammad Fuad; Vivi Tri Widyaningrum; Hairil Budiarto
Jurnal Teknika Vol 18 No 2 (2026): SEPTEMBER
Publisher : Universitas Islam Lamongan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30736/jt.v18i2.1654

Abstract

Pengenalan gestur tangan berbasis visi komputer menawarkan metode interaksi yang lebih intuitif untuk mengendalikan Differential Drive Mobile Robot (DDMR). Penelitian ini bertujuan membandingkan dua pendekatan deep learning yang berbeda, yaitu YOLOv11 sebagai model deteksi objek dan ResNet-50 sebagai model klasifikasi citra. Dataset terdiri atas 500 citra yang terbagi ke dalam lima kelas gestur, yaitu maju, mundur, belok kanan, belok kiri, dan berhenti. Kedua model dilatih menggunakan pendekatan transfer learning dan dievaluasi melalui pengujian internal serta pengujian langsung menggunakan kamera pada sistem kendali robot. Hasil evaluasi internal menunjukkan bahwa YOLOv11 memperoleh nilai mAP50 sebesar 0,995 dan mAP50–95 sebesar 0,784, sedangkan ResNet-50 menghasilkan nilai precision, recall, dan F1-score sebesar 1,000 pada seluruh kelas. Meskipun demikian, hasil pengujian langsung menunjukkan perbedaan yang signifikan. YOLOv11 menghasilkan nilai confidence pada rentang 0,80–0,90 dengan rata-rata 0,844, sedangkan ResNet-50 memperoleh nilai confidence pada rentang 0,32–0,77 dengan rata-rata 0,442. Perbedaan antara evaluasi internal dan pengujian langsung menunjukkan adanya domain gap antara citra dataset dan citra pada kondisi operasional. Berdasarkan skenario pengujian penelitian ini, YOLOv11 menghasilkan nilai confidence yang lebih tinggi dan lebih konsisten sehingga lebih sesuai digunakan untuk pengenalan gestur tangan pada kendali DDMR. Kontribusi penelitian ini terletak pada evaluasi komparatif antara pendekatan deteksi objek dan klasifikasi citra, tidak hanya pada dataset internal, tetapi juga pada penerapan langsung untuk kendali robot berbasis kamera.
Co-Authors Achmad Imam Sudianto Dafid, Ach Diana Mar’atus Sholihah irni ri'khah juliarti M Latif Muhammad Fuad Muhammad Latif Sri Wahyuni Vivi Tri Widyaningrum