JURNAL TEKNIK MESIN
Vol 11, No 2 (2023): VOLUME 11, NOMOR 2, APRIL 2023

APLIKASI MODEL OBJECT DETECTION PADA AYAM BROILER BERBASIS DEEP LEARNING PADA KANDANG CLOSED HOUSE

Bernard Alaric Sudjono (Department of Mechanical Engineering, Universitas Diponegoro, Jl. Prof. Sudarto, SH, Tembalang, Semarang, Indonesia 50275)
Munadi Munadi (Department of Mechanical Engineering, Universitas Diponegoro, Jl. Prof. Sudarto, SH, Tembalang, Semarang, Indonesia 50275)
Joga Dharma Setiawan (Department of Mechanical Engineering, Universitas Diponegoro, Jl. Prof. Sudarto, SH, Tembalang, Semarang, Indonesia 50275)



Article Info

Publish Date
14 Jun 2023

Abstract

Peran teknologi di masa sekarang sudah sangat membantu dan diterapkan pada seluruh bidang kehidupan manusia, termasuk teknologi permesinan dan bahkan AI. Salah satu peran AI adalah membantu manusia dalam pekerjaan yang memerlukan banyak waktu dan tenaga, sehingga untuk pengerjaan yang lebih efisien dapat menggunakan gabungan AI dan teknologi permesinan. Sistem deteksi objek adalah salah satu bentuk pemanfaatan AI yang menggunakan metode deep learning, dapat digunakan untuk mendeteksi keberadaan suatu objek dan untuk tingkat lanjut dapat dilakukan perhitungan secara kumulatif pada objek yang sudah terdeteksi. Salah satu penerapan dari deteksi objek dan perhitungan kumulatif adalah pada sebuah closed house ayam broiler yang memiliki jumlah sangat banyak yang mustahil untuk dihitung manusia, dengan tujuan untuk memonitor jumlah ayam secara berkala dengan alasan untuk mengetahui adanya pencurian ayam yang tidak disadari. Pada tugas akhir ini dirancang sebuah model deteksi objek dan perhitungan kumulatif menggunakan kamera Logitech C930E, komputer, dan algoritma YOLOv8 (You Only Look Once) untuk melakukan deteksi objek. Dataset yang dibuat terdiri dari hasil training data dari 68 gambar yang memuat beberapa ayam broiler yang diambil pada closed house yang digunakan sebanyak 100x dengan menggunakan model Yolov8m. Hasil training data dengan parameter yang sudah disebutkan mendapatkan akurasi sebesar 73% dengan nilai validasi 70.7%. Dengan hasil training yang didapat, model sudah dapat melakukan deteksi secara stabil. Sistem lebih lanjut dari deteksi adalah perhitungan kumulatif, dengan menggunakan hasil training ini dan model yang telah dibuat didapatkan persentasi perhitungan benar sebesar 94.44% dimana nilai ini telah dipengaruhi oleh human error.

Copyrights © 2023