Deteksi Fase Estrus Pada Vulva Sapi Menggunakan VGG16 Berbasis Raspberry Pi

Amin, Nisrina Fairuz Hafizhah Al and Prof. Dr.Eng. Fitri Utaminingrum, S.T., M.T (2024) Deteksi Fase Estrus Pada Vulva Sapi Menggunakan VGG16 Berbasis Raspberry Pi. Sarjana thesis, Universitas Brawijaya.

Abstract

Industri peternakan sapi memiliki peran penting dalam pemenuh kebutuhan pangan bagi masyarakat. Produksi susu dan daging yang dihasilkan oleh peternakan menyumbang nilai signifikan terhadap ekonomi dan ketahanan pangan nasional. Susu dan daging sapi yang menjadi bahan pangan umum bagi masyarakat menyebabkan meningkatnya permintaan pasar. Sayangnya, peningkatan permintaan ini tidak sebanding dengan jumlah produksi susu sapi dan daging sapi di Indonesia. Permasalahan ini terjadi karena kecilnya produktivitas sapi dan kurang tepatnya pendeteksian fase estrus pada sapi, sehingga sapi kerap gagal dikawinkan atau dilakukan inseminasi buatan (IB). Oleh karena itu, penelitian dan perancangan sistem deteksi fase estrus berdasarkan citra vulva sapi dibuat. Penelitian ini dilakukan untuk memudahkan dan membantu peternak dalam mendeteksi fase estrus pada sapi berdasarkan vulva. Penelitian ini dilakukan dengan beberapa tahap, diantaranya menganalisis kebutuhan, melakukan perancangan alat dan sistem, implementasi program, pengujian, dan pemeliharaan alat dan sistem. Pembuatan sistem deteksi menggunakan model arsitektur VGG16 untuk pengklasifikasian citra. VGG16 sendiri merupakan salah satu model klasifikasi citra yang memakai arsitektur Convolutional Neural Network (CNN). Model arsitektur VGG16 untuk deteksi fase estrus dibangun dengan transfer learning dan pelatihan terhadap dataset citra yang terbagi menjadi dua kelas, yaitu Estrus dan Normal. Pelatihan model menggunakan VGG16 mendapatkan nilai hasil akurasi model sebesar 0,98. Model yang sudah selesai dibangun selanjutnya akan digunakan dalam program yang diimplementasikan ke dalam sistem deteksi. Model tersebut dimuat untuk dapat melakukan proses deteksi dan klasifikasi dalam waktu nyata dan hasilnya akan ditampilkan pada OLED Display yang terdapat pada alat. Dari pengujian yang telah dilakukan, didapatkan bahwa akurasi model dalam melakukan deteksi dalam waktu nyata adalah sebesar 70% dengan ratarata waktu komputasi sebesar 16,2865 detik.

English Abstract

The dairy and beef cattle industry plays an important role in meeting the food needs of the community. The production of milk and beef from livestock contributes significantly to the national economy and food security. Milk and beef, which are common food ingredients for the community, have led to increased market demand. Unfortunately, this increased demand is not in line with the amount of milk and beef production in Indonesia. This problem occurs due to the low productivity of cattle and the inaccurate detection of estrus phases in cattle, so that cows often fail to mate or undergo artificial insemination (AI). Therefore, research and the design of an estrus phase detection system based on cow vulva images were created. This research was carried out to facilitate and assist farmers in detecting the estrus phase in cows based on the vulva. This research was carried out in several stages, including analyzing the needs, designing the tools and systems, implementing the program, testing, and maintaining the tools and systems. The creation of the detection system uses a VGG16 architecture model for image classification. VGG16 is one of the image classification models that uses a Convolutional Neural Network (CNN) architecture. The VGG16 architecture model for estrus phase detection was built with transfer learning and training on a dataset of images that were divided into two classes, namely Estrus and Normal. The model training using VGG16 obtained a model accuracy value of 0.98. The completed model will then be used in a program that is implemented into the detection system. The model is loaded to be able to perform the detection and classification process in real time and the results will be displayed on the OLED Display on the device. From the tests that have been carried out, it was found that the model accuracy in performing realtime detection is 70% with an average computation time of 16.2865 seconds.

Item Type:	Thesis (Sarjana)
Identification Number:	0524150196
Uncontrolled Keywords:	fase estrus, citra vulva, VGG16, pengolahan citra, Raspberry Pi, segmentasi-estrus phase, vulva image, VGG16, image processing, Raspberry Pi, segmentation
Divisions:	Fakultas Ilmu Komputer > Teknik Komputer
Depositing User:	soegeng sugeng
Date Deposited:	25 Mar 2024 07:28
Last Modified:	25 Mar 2024 07:28
URI:	http://repository.ub.ac.id/id/eprint/216217

Text (DALAM MASA EMBARGO) Nisrina Fairuz Hafizhah Al Amin.pdf Restricted to Registered users only Download (4MB)

Actions (login required)

View Item