<![CDATA[Itik Alabio merupakan plasma nutfah unggulan Kalimantan Selatan yang ditetapkan melalui Keputusan Menteri Pertanian Nomor 2921/KPTS/OT.140/6/2011 dengan potensi produksi telur mencapai ±250 butir/ekor/tahun. Namun, proses seleksi telur tetas yang masih dilakukan secara manual dan subjektif menyebabkan rendahnya akurasi identifikasi telur fertil, inkonsistensi mutu bibit, serta inefisiensi produksi yang berdampak signifikan terhadap kerugian ekonomi peternak. Penelitian ini bertujuan mengembangkan sistem smart hatchery berbasis precision farming technology melalui implementasi deep learning dengan pendekatan Convolutional Neural Networks (CNN) untuk menjamin mutu dan meningkatkan efisiensi produksi telur tetas itik Alabio secara otomatis, objektif, dan terukur. Model CNN dikembangkan melalui strategi transfer learning dan fine-tuning pada arsitektur pretrained, dengan optimasi hyperparameter menggunakan metode grid search guna memaksimalkan akurasi dan stabilitas klasifikasi citra telur. Data citra diperoleh langsung dari peternak itik Alabio di Kalimantan Selatan dan diperkaya melalui teknik augmentasi data untuk mengatasi keterbatasan dataset. Evaluasi kinerja model menggunakan metrik akurasi, presisi, recall, dan F1-score guna memastikan performa klasifikasi yang komprehensif dan andal. Hasil penelitian menunjukkan bahwa implementasi CNN dengan fine-tuning mampu menghasilkan akurasi deteksi fertilitas telur berada pada angka 97%, melampaui kapasitas seleksi konvensional yang rentan terhadap kesalahan subjektif. Sistem smart hatchery ini memungkinkan identifikasi telur fertil secara cepat, konsisten, dan berbasis data, sehingga berpotensi nyata meningkatkan daya tetas dan efisiensi produksi. Lebih lanjut, penelitian ini diharapkan menjadi model percepatan transformasi digital peternakan rakyat di luar Pulau Jawa, sekaligus memperkuat daya saing plasma nutfah lokal dalam kerangka kebijakan nasional modernisasi sektor peternakan berbasis kecerdasan buatan. ]]>
Copyrights © 2026
