IKMIIKMI

Jurnal ICT: Information Communication & TechnologyJurnal ICT: Information Communication & Technology

Perkembangan teknologi robotik di era digital semakin pesat, termasuk dalam industri peternakan. Salah satu tantangan dalam industri peternakan bebek petelur adalah pengambilan telur secara manual yang berisiko menyebabkan kerusakan dan ketidakefisienan dalam pencatatan. Untuk mengatasi masalah ini, dikembangkan Quackbot, robot pengambil telur berbasis kecerdasan buatan (AI) dan Internet of Things (IoT). Robot ini menggunakan YOLOv8 untuk mendeteksi telur secara akurat dan sistem IoT untuk pencatatan serta pemantauan jumlah telur secara real-time. Pengembangan Quackbot menggunakan metode Hardware Development Life Cycle (HDLC) yang mencakup perencanaan, analisis, perancangan, implementasi, dan pemeliharaan. Hasil pengujian menunjukkan bahwa sistem IoT Quackbot dapat mencatat penerimaan telur berdasarkan periode tertentu melalui halaman web, serta mengirimkan notifikasi real-time melalui Telegram. Pengujian model AI menunjukkan nilai F1 Score tertinggi sebesar 1.00 pada confidence threshold 0.782, dengan akurasi deteksi telur mencapai 90%-100% berdasarkan confusion matrix. Hasil ini menunjukkan bahwa Quackbot mampu mendeteksi dan mengumpulkan telur secara efisien, meningkatkan akurasi pencatatan, dan mempermudah peternak dalam pemantauan produksi telur secara otomatis.

Pembuatan robot pengambil telur dengan nama Quackbot telah berhasil dibuat.Quackbot dibuat untuk mengatasi kecurangan saat pencatatan jumlah telur oleh petugas saat mengerjakan secara manual.Robot Qackbot ini berbasis berbasis kecerdasan buatan (AI) dan Internet of Things (IoT).Robot ini mengintegrasikan YOLOv8 sebagai model AI untuk mendeteksi keberadaan telur secara akurat, dan IoT yang memungkinkan peternak memantau jumlah telur yang dikumpulkan secara real-time.Robot ini mengintegrasikan YOLOv8 sebagai model AI.Dari hasil grafik F1 Convidence tertinggi 1.Ini menunjukkan bahwa kurva mempertahankan skor F1 tinggi di berbagai tingkat kepercayaan, menunjukkan model ini berkinerja baik dan tahan terhadap berbagai ambang batas.

Untuk penelitian lanjutan, dapat dipertimbangkan pengembangan sistem deteksi telur yang lebih canggih dengan menggunakan teknologi penglihatan komputer (computer vision) dan algoritma pembelajaran mesin (machine learning) yang lebih kompleks. Hal ini dapat meningkatkan akurasi deteksi telur dan mengurangi kesalahan dalam proses pengumpulan telur. Selain itu, penelitian dapat dilakukan untuk mengoptimalkan desain dan mekanisme pengumpulan telur pada robot, sehingga dapat meningkatkan efisiensi dan mengurangi risiko kerusakan telur. Penelitian juga dapat dilakukan untuk mengintegrasikan sistem IoT yang lebih canggih, seperti penggunaan sensor dan kamera untuk pemantauan real-time kondisi kandang dan kesehatan bebek, serta pengembangan aplikasi mobile untuk memudahkan peternak dalam mengakses data dan mengendalikan robot secara jarak jauh.

  1. Sistem Monitoring dan Smart Farming untuk Peternakan Anak Ayam Berbasis Internet of Things (IoT) | Electrical... doi.org/10.58466/entries.v3i2.1632Sistem Monitoring dan Smart Farming untuk Peternakan Anak Ayam Berbasis Internet of Things IoT Electrical doi 10 58466 entries v3i2 1632
  2. IMPLEMENTASI RASPBERRY PI DALAM ALAT KLASIFIKASI PENYAKIT MATA DENGAN ARSITEKTUR YOLOv8 MENGGUNAKAN OFTALMOSKOP... doi.org/10.36040/jati.v7i3.6950IMPLEMENTASI RASPBERRY PI DALAM ALAT KLASIFIKASI PENYAKIT MATA DENGAN ARSITEKTUR YOLOv8 MENGGUNAKAN OFTALMOSKOP doi 10 36040 jati v7i3 6950
  3. PENERAPAN TEKNOLOGI PENETAS TELUR OTOMATIS DENGAN SISTEM PENDETEKSI KERUSAKAN ALAT BERBASIS INTERNET... jurnal.polines.ac.id/index.php/orbith/article/view/5261PENERAPAN TEKNOLOGI PENETAS TELUR OTOMATIS DENGAN SISTEM PENDETEKSI KERUSAKAN ALAT BERBASIS INTERNET jurnal polines ac index php orbith article view 5261
Read online
File size1.85 MB
Pages12
DMCAReport

Related /

ads-block-test