Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Al Amin, Nisrina Fairuz Hafizhah
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 
Deteksi Fase Estrus pada Vulva Sapi menggunakan VGG- 16 berbasis Raspberry Pi Al Amin, Nisrina Fairuz Hafizhah; Utaminingrum, Fitri
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 2 (2024): Februari 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Industri peternakan sapi berperan penting dalam memproduksi susu dan daging sapi, serta sebagai ketahanan pangan nasional. Susu dan daging sapi menjadi bahan pangan umum bagi masyarakat, sehingga terjadi peningkatan permintaan pasar. Sayangnya, peningkatan permintaan ini tidak sebanding dengan jumlah produksi yang dihasilkan. Hal ini disebabkan oleh kecilnya produktivitas sapi dan kurang tepatnya pendeteksian fase estrus pada sapi, sehingga sapi kerap gagal dikawinkan atau dilakukan inseminasi buatan (IB). Penelitian dan perancangan sistem deteksi fase estrus berdasarkan citra vulva sapi dibangun untuk menyelesaikan permasalah tersebut. Penelitian ini dilakukan untuk membantu peternak dalam mendeteksi fase estrus pada sapi berdasarkan vulva. Pembuatan sistem deteksi menggunakan model arsitektur VGG-16 untuk pengklasifikasian citra. VGG-16 merupakan salah satu model klasifikasi citra yang memakai arsitektur Convolutional Neural Network (CNN). Model ini dibangun menggunakan transfer learning dan pelatihan dilakukan terhadap dataset citra yang terbagi menjadi dua kelas, yaitu Estrus dan Normal. Pelatihan model menggunakan VGG-16 mendapatkan nilai hasil akurasi model sebesar 0,98. Model tersebut selanjutnya dimuat ke dalam sistem untuk melakukan proses deteksi dalam waktu nyata. Hasilnya akan ditampilkan pada OLED Display. Hasil pengujian didapatkan bahwa akurasi model dalam melakukan deteksi dalam waktu nyata adalah sebesar 70% dengan rata-rata waktu komputasi sebesar 16,2865 detik.
Co-Authors Utaminingrum, Fitri