Sistem Identifikasi Jenis Penyakit Ayam Petelur Menggunakan Metode CNN Berbasis Android
PDF

Keywords

Ayam
Android
CNN

How to Cite

Inzaghi, F. W., Dara, M. A. D. W., & Helilintar, R. (2024). Sistem Identifikasi Jenis Penyakit Ayam Petelur Menggunakan Metode CNN Berbasis Android. Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi), 8(1), 634–641. Retrieved from https://proceeding.unpkediri.ac.id/index.php/inotek/article/view/4932

Abstract

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.

PDF

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.

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Copyright (c) 2024 Febri Wika Inzaghi, Made Ayu Dusea Widya Dara, Risa Helilintar

Downloads

Download data is not yet available.