Implementasi Algoritma Deep Learning untuk Pembuatan Aplikasi Perangkat Bergerak Pendeteksi Telur Cacing Fasciola Sp, Paraphistomum Sp, Moniezia Sp

Implementasi Algoritma Deep Learning untuk Pembuatan Aplikasi Perangkat Bergerak Pendeteksi Telur Cacing Fasciola Sp, Paraphistomum Sp, Moniezia Sp

Penulis

  • Wira Zeta Prakosa Fakultas Ilmu Komputer, Universitas Brawijaya
  • Bayu Rahayudi Fakultas Ilmu Komputer, Universitas Brawijaya
  • Dwija Wisnu Brata Fakultas Ilmu Komputer, Universitas Brawijaya

Kata Kunci:

deep learning, aplikasi perangkat bergerak, model, confidence

Abstrak

Penyakit cacing memberikan dampak yang signifikan untuk peternak sapi. Untuk mendeteksi telur cacing yang terdapat pada feses sapi dibutuhkan waktu yang sangat lama, sehingga penelitian ini mengembangkan aplikasi perangkat bergerak untuk mendeteksi telur cacing paraphistomum sp, moniezia sp, dan fasciola sp dengan algoritma deep learning. Penelitian ini menggunakan sekitar 100 gambar yang telah didapatkan dari laboratorium. Data tersebut digunakan untuk melatih dan menguji model deep learning dengan jumlah latihan yang berbeda-beda yang nanti diuji dengan jumlah sampel yang sama. Penelitian ini menghasilkan aplikasi perangkat bergerak yang dapat mendeteksi telur cacing paraphistomum sp dengan akurasi terbesar sekitar 92%, moniezia sp dengan akurasi terbesar sekitar 92%, dan fasciola sp dengan akurasi terbesar sekitar 85%. Aplikasi ini dilengkapi dengan antarmuka pengguna yang sederhana, memungkinkan pengguna menggunggah gambar feses sapi dan mendapatkan hasil secara langsung. Aplikasi ini memiliki potensi untuk dikembangkan dengan menambahkan beberapa fitur tambahan dan pembaruan terhadap model yang digunakan untuk mendeteksi telur cacing.

Referensi

Anon. 2023. What is the Android Operating System? [online] Ictea. Available at: <https://www.ictea.com/cs/index.php?rp=%2Fknowledgebase%2F8974%2FiQue-es-el-Sistema-Operativo-Android.html&language=english> [Accessed 1 March 2023].

Karimi, G., 2021. Introduction to YOLO Algorithm for Object Detection. [online] Section. Available at: <https://www.section.io/engineering-education/introduction-to-yolo-algorithm-for-object-detection/> [Accessed 1 March 2023].

Listyorini, T., 2013. Perancangan Mobile Learning Mata Kuliah Sistem Operasi Berbasis Android. Simetris:Jurnal Teknik Mesin, Elektro dan Ilmu Komputer, 3(1), pp.25–30.

Pambudi, A.F., 2022. IMPLEMENTASI METODE ALGORITMA DEEP LEARNING PADA MEDIA SOSIAL. Universitas Muhammadiyah Ponorogo.

Pramestya, R.H., 2018. Deteksi Dan Klasifikasi Kerusakan Jalan Aspal Menggunakan Metode Yolo Berbasis Citra Digital. Institut Teknologi Sepuluh Nopember, 91.

Pratika, E.D. and Rahmawati, A., 2021. DETEKSI TELUR CACING PARASIT PADA FESES SAPI POTONG (Bos sp.) DENGAN METODE WHITLOCK. Prosiding SNasPPM, 6(1), pp.207–209.

Diterbitkan

10 Okt 2023

Cara Mengutip

Prakosa, W. Z., Rahayudi, B., & Brata, D. W. (2023). Implementasi Algoritma Deep Learning untuk Pembuatan Aplikasi Perangkat Bergerak Pendeteksi Telur Cacing Fasciola Sp, Paraphistomum Sp, Moniezia Sp. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 7(9). Diambil dari https://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/12961

Terbitan

Bagian

Artikel
Loading...