<![CDATA[Proses pemeliharaan ayam broiler membutuhkan teknik khusus dan pemantauan yang tepat. Namun, pemantauanayam broiler di Indonesia mayoritas masih dilakukan secara manual sehingga membutuhkan waktu dan tenaga kerja yangcukup besar. Seiring dengan berkembangnya teknologi kecerdasan buatan, berbagai sistem pemantauan otomatis dalampeternakan ayam broiler mulai banyak dikembangkan. Namun, secanggih apa pun sistem tersebut, kualitasnya sangatbergantung pada akurasi dari tahap paling dasar, yaitu deteksi objek. Oleh karena itu, untuk mendukung permasalahantersebut, penelitian ini bertujuan untuk mendeteksi ayam dalam kandang menggunakan algoritma YOLOv7. Selain itu, objekyang tumpang tindih atau berdekatan masih menjadi tantangan tersendiri dalam deteksi objek. Sehingga, penelitian iniberfokus pada perbandingan dua metode post-processing menggunakan algoritma YOLOv7, yaitu NMS dan Soft-NMS, untukmengetahui sejauh mana metode tersebut dapat memengaruhi kualitas deteksi ayam broiler dalam kandang. Hasilnyadidapatkan bahwa algoritma YOLOv7 dengan Soft-NMS Gaussian lebih unggul dengan nilai mAP sebesar 0.893. Namunmetode ini memiliki kelemahan pada aspek kecepatan prediksi, yaitu 260.6 ms. Sementara itu, NMS masih menjadi metodeyang lebih efisien dari segi waktu prediksi, yaitu 67.2 ms dengan nilai mAP yang hampir setara, yaitu 0.891. Oleh karena itu,penggunaan Soft-NMS pada kasus deteksi objek yang tumpang tindih disarankan, namun tetap harus mempertimbangkantingkat overlap antar objek untuk memperoleh hasil deteksi yang optimal.Kata Kunci—Ayam Broiler, Deteksi Objek, YOLOv7, Soft-Non-Maximum Suppression]]>
