Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Prasetyo, Fahrudin
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Implementasi Model Mobilenet dan Algoritma Machine Learning Pada Aplikasi Android untuk Klasifikasi Jenis Kelamin Telur Prasetyo, Fahrudin; Utaminingrum, Fitri
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 08 (2026): Agustus 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penentuan jenis kelamin telur ayam secara dini merupakan kebutuhan penting dalam industri perunggasan untuk menekan biaya inkubasi dan pemeliharaan anak ayam jantan, khususnya pada sektor ayam petelur. Metode konvensional seperti vent sexing dan feather sexing hanya dapat dilakukan setelah telur menetas dan rentan terhadap kesalahan, sehingga dibutuhkan metode non-invasif berbasis citra yang ringan untuk perangkat bergerak. Penelitian ini mengembangkan sistem klasifikasi jenis kelamin telur berbasis aplikasi Android dengan pendekatan hibrida, yaitu mengombinasikan tiga versi arsitektur MobileNet (V2, V3, dan V4) sebagai ekstraktor fitur dengan lima algoritma machine learning (SVM, KNN, Decision Tree, Random Forest, dan XGBoost) sehingga menghasilkan 15 skenario kombinasi model. Setiap skenario dievaluasi berdasarkan confusion matrix, kompleksitas komputasi (latensi dan ukuran model), dan skor efisiensi, lalu kombinasi terbaik diimplementasikan ke aplikasi. Hasil pengujian menunjukkan akurasi tertinggi 62,16% oleh kombinasi MobileNetV2 + Random Forest dan MobileNetV3 + XGBoost dengan latensi inferensi rendah (2-8 ms per citra). Kombinasi MobileNetV2 + SVM memperoleh skor efisiensi tertinggi (0,9240) sehingga dipilih untuk diimplementasikan pada perangkat Android. Pengujian aplikasi terhadap 16 citra menghasilkan akurasi implementasi 62,50% yang konsisten dengan hasil pada lingkungan Python, sehingga memvalidasi keberhasilan reimplementasi pipeline pada perangkat seluler.
Co-Authors Utaminingrum, Fitri