Sistem Identifikasi Jenis Penyakit Ayam Petelur Menggunakan Metode CNN Berbasis Android
DOI:
https://doi.org/10.29407/inotek.v8i1.4932Abstract
Usaha peternakan ayam petelur atau ayam horn saat ini semakin banyak diminati masyarakat Salah satu penunjang optimalnya produksi telur adalah manajemen dan penanganan penyakit pada ayam. Penyakit dan hama pada ayam petelur menjadi salah satu masalah yang besar bagi peternak. Oleh karena itu dibutuhkan suatu aplikasi yang dapat menggolongkan jenis penyakit ayam petelur secara efektif melalui proses pengolahan citra kotoran ayam. Untuk menganalisis karakteristik kotoran ayam harus melalui proses pengolahan citra dengan memanfaatkan pengolahan citra digitaldan menggunakan metode CNN. Hasil pengujian didapati precision 0.95, recall 0.95, f1-score 0.93 sehingga dapat diambil kesimpulan metode CNN bekerja dengan baik. Rancangan desain antarmuka dibuat lebih simple agar mempermudah peternak dalam menggunakannya.
Keywords:
Ayam, Android, CNN##plugins.themes.default.displayStats.downloads##
References
D. P. P. Baskara, I. N. K. Besung, and K. T. PG, “Total Bakteri Feses Ayam Petelur pada Berbagai Periode Pemeliharaan,” Bul. Vet. Udayana, no. 21, p. 46, 2021, doi: 10.24843/bulvet.2021.v13.i01.p08.
J. Bere, J. Dedy Irawan, and F. Ariwibisono, “Sistem Pakar Diagnosis Penyakit Pada Ayam Menggunakan Metode Certainty Factor,” JATI (Jurnal Mhs. Tek. Inform., vol. 5, no. 1, pp. 217–224, 2021, doi: 10.36040/jati.v5i1.3251.
E. Rasywir, R. Sinaga, and Y. Pratama, “Analisis dan Implementasi Diagnosis Penyakit Sawit dengan Metode Convolutional Neural Network (CNN),” Paradig. - J. Komput. dan Inform., vol. 22, no. 2, pp. 117–123, 2020, doi: 10.31294/p.v22i2.8907.
F. N. Cahya, N. Hardi, D. Riana, and S. Hadiyanti, “Klasifikasi Penyakit Mata Menggunakan Convolutional Neural Network (CNN),” Sistemasi, vol. 10, no. 3, p. 618, 2021, doi: 10.32520/stmsi.v10i3.1248.
R. R. Saputro, A. Junaidi, and W. A. Saputra, “Klasifikasi Penyakit Kanker Kulit Menggunakan Metode Convolutional Neural Network (Studi Kasus: Melanoma),” J. Dinda Data Sci. Inf. Technol. Data Anal., vol. 2, no. 1, pp. 52–57, 2022, doi: 10.20895/dinda.v2i1.349.
D. Iswantoro and D. Handayani UN, “Klasifikasi Penyakit Tanaman Jagung Menggunakan Metode Convolutional Neural Network (CNN),” J. Ilm. Univ. Batanghari Jambi, vol. 22, no. 2, p. 900, 2022, doi: 10.33087/jiubj.v22i2.2065.
I. Wulandari, H. Yasin, and T. Widiharih, “Klasifikasi Citra Digital Bumbu Dan Rempah Dengan Algoritma Convolutional Neural Network (Cnn),” J. Gaussian, vol. 9, no. 3, pp. 273–282, 2020, doi: 10.14710/j.gauss.v9i3.27416.
U. S. Rahmadhani and N. L. Marpaung, “Klasifikasi Jamur Berdasarkan Genus Dengan Menggunakan Metode CNN,” J. Inform. J. Pengemb. IT, vol. 8, no. 2, pp. 169–173, 2023, doi: 10.30591/jpit.v8i2.5229.
M. Arsal, Bheta Agus Wardijono, and Dina Anggraini, “Face Recognition Untuk Akses Pegawai Bank Menggunakan Deep Learning Dengan Metode CNN,” J. Nas. Teknol. DAN Sist. Inf. - VOL. 06 NO. 01 055-063, vol. 01, pp. 413–418, 2020, doi: 10.1109/UBMK52708.2021.9559031.
H. Herdianto and D. Nasution, “Implementasi Metode Cnn Untuk Klasifikasi Objek,” METHOMIKA J. Manaj. Inform. dan Komputerisasi Akunt., vol. 7, no. 1, pp. 54–60, 2023, doi: 10.46880/jmika.vol7no1.pp54-60.
Downloads
Published
Issue
Section
License
Copyright (c) 2024 Febri Wika Inzaghi, Made Ayu Dusea Widya Dara, Risa Helilintar
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Copyright on any article is retained by the author(s).
- The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
- The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License
