<![CDATA[Infeksi cacing nematoda parasit sering menyebabkan kerugian bagi peternak karena sifatnya laten dan berjalan kronis. Beberapa kerugian ditimbulkan diantaranya adalah ternak mengalami gastroenteritis, anemia hingga kematian. Salah satu jenis infeksi paling umum adalah dari nematoda strongyle. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan metode cepat dan akurat dalam identifikasi dan kuantifikasi jumlah telur cacing tipe strongyle dengan algoritma YOLO. Melalui sistem tersebut diharapkan dapat menghemat waktu dalam mengidentifikasi, menghitung jumlah telur strongyle, dan meminimalisir kesalahan perhitungan sehingga diagnosis strongylidosis lebih efisien dilakukan. Metode penelitian yang digunakan yaitu pengambilan gambar telur strongyle hasil pemeriksaan laboratorium yang digunakan sebagai data set training. Data tersebut kemudian digunakan sebagai database training ke algoritma YOLO. Pengembangan algoritma dilakukan bersama PT. Voxeu Digital Kreatif sebagai mitra penelitian. Uji identifikasi menggunakan 233 gambar sampel dengan hasil analisis mendapatkan nilai precision 98,23%, recall 90,19% dan mAP50 96,32%. Uji kuantifikasi menggunakan 800 gambar yang berasal dari 16 sampel kemudian dibagi menjadi 2 data kelompok. Kelompok 1 mempunyai nilai akurasi 36,67% dan RMSE 5,35. Kelompok 2 mempunyai nilai akurasi 67,05% dan RMSE 2,37. Algoritma YOLO dapat digunakan untuk identifikasi dan kuantifikasi telur tipe strongyle secara otomatis sehingga nantinya dapat dimanfaatkan oleh laboran atau dokter hewan dalam membantu mendiagnosis helminthiasis.]]>
Copyrights © 2025
