Claim Missing Document
Check
Articles

Found 1 Documents
Search

Sistem Pakar Diagnosa Penyakit Ternak Ayam Layer dan Broiler Menggunakan Algoritma Deep Learning Yuliana, Ade; Fazriani, Widi
Journal of Informatics and Electronics Engineering Vol 3 No 2 (2023): Desember 2023
Publisher : Unit Penelitian dan Pengabdian kepada Masyarakat Politeknik TEDC Bandung Jl. Pesantren Km 2 Cibabat Cimahi Utara – Cimahi 40513 Jawa Barat – Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70428/jiee.v3i2.770

Abstract

PT Japfa Comfeed Indonesia Tbk-Parungkuda merupakan salah satu perusahaan ­agri-food terbesar dan terkemuka yang ada di Indonesia, salah satu jenis bisnisnya adalah peternakan dan pembibitan ayam. Saat ini, diagnosa penyakit ayam memerlukan waktu yang cukup lama oleh karena itu efisiensi dalam diagnosa sangat penting. Sistem pakar ini dapat mengatasi kendala ini dengan mengintegrasikan data gejala penyakit ke dalam algoritma deep learning. Namun permasalahan saat ini adalah belum adanya analisis, pengimplementasian, dan pengujian terhadap sistem pakar diganosa penyakit ternak menggunakan algoritma deep learning. Penelitian ini bertujuan untuk menganalisis, mengimplementasikan, serta menguji sistem pakar berbasis deep learning guna mendiagnosis penyakit pada ayam layer dan broiler di PT Japfa Comfeed Indonesia Tbk-Parungkuda. Penyakit unggas menjadi ancaman serius bagi industri peternakan. Manfaat utama dari pembuatan sistem ini adalah membantu pakar peternakan dalam pencegahan dan penanganan penyakit serta memberikan dukungan dalam diagnosis awal para pakar. Selain itu, sistem ini juga diharapkan meningkatkan efisiensi pengelolaan data penyakit di PT Japfa Comfeed Indonesia Tbk-Parungkuda. Metode pengembangan yang digunakan adalah metode Waterfall yang meliputi analisis kebutuhan, desain sistem, implementasi, dan pengujian. Sistem pakar ini dibuat berbasis web dengan menggunakan PHP, dan MySQL sebagai database, desain sistem menggunakan UML, hingga tahapan testing menggunakan metode black box dan User Acceptance Test (UAT) agar dapat mengetahui respon sistem terhadap pengguna. Berdasarkan hasil uji User Acceptance Test (UAT) dengan 3 kategori uji (desain, fitur dan kepuasan pengguna) dan 9 parameter uji diperoleh hasil uji secara keseluruhan dengan nilai rata-rata sebesar 89,26%.