Implementasi InceptionV3 untuk Deteksi Fase Estrus Sapi Betina berbasis Raspberry Pi

Implementasi InceptionV3 untuk Deteksi Fase Estrus Sapi Betina berbasis Raspberry Pi

Penulis

  • Muhtady Farrassy Fakultas Ilmu Komputer, Universitas Brawijaya
  • Fitri Utaminingrum Fakultas Ilmu Komputer, Universitas Brawijaya

Kata Kunci:

Deep Learning, Deteksi Fase Estrus, Inceptionv3, Inseminasi Buatan, Raspberry Pi

Abstrak

Indonesia memainkan peran sentral dalam industri peternakan global sebagai penyedia utama sumber daya protein hewani. Meskipun telah mengalami modernisasi, terdapat tantangan terkait ketersediaan daging sapi yang tidak memadai untuk memenuhi permintaan. Produksi daging yang menurun di Indonesia dipengaruhi oleh berbagai faktor, termasuk kegagalan inseminasi buatan (IB). Menurut survey Fakultas Peternakan Universitas Brawijaya, peternak mengalami kendala dalam menerapkan proses IB (Humas Fapet, 2023). Kendala ini diakibatkan oleh ketidaktahuan peternak akan tanda-tanda birahi (estrus) pada sapi. Metode deteksi fase estrus konvensional menggunakan pengamatan visual vulva memiliki keterbatasan. Oleh karena itu, penelitian ini mengusulkan implementasi teknologi deep learning dengan metode InceptionV3 berbasis Raspberry Pi untuk mendeteksi fase estrus pada sapi betina. InceptionV3 merupakan model deep learning untuk klasifikasi citra yang memakai arsitektur Convolutional Neural Network (CNN). Model arsitektur ini dibangun menggunakan transfer learning dan pelatihan terhadap dataset citra berdua kelas, yakni Estrus dan Normal. Model InceptionV3 menghasilkan nilai accuracy sebesar 0.90027, precision sebesar 0.89384, recall sebesar 0.90843, dan f1-score sebesar 0.90107 pada pelatihan model. Model yang sudah dilatih tersebut diload ke dalam Raspberry Pi untuk dilakukan pengujian deteksi terhadap sapi betina. Pengujian tersebut menghasilkan akurasi sistem sebesar 90% dengan rata-rata waktu komputasi sebesar 26.27 detik.

Referensi

Badan Pusat Statistik. 2022. Peternakan Dalam Angka 2022. 5301008.

Bajpai, A., Rai, H., & Tiwari, N. 2023. An Efficient CNN-based Method for Classification of Red Meat Based on its Freshness. LNNS Volume 728.

Dwiputra, Febrian, D. 2019. Pemodelan Alat Ukur Parameter Deteksi Estrus pada Sapi Betina. Sarjana thesis, Universitas Brawijaya.

Geraldy, C., & Lubis, C. 2020. Pendeteksian dan Pengenalan Jenis Mobil Menggunakan Algoritma You Only Look Once dan Convolutional Neural Network. Jurnal Ilmu Komputer dan Sistem Informasi.

Humas Fapet. 2023. Dosen Fapet Berikan Penyuluhan Faktor Penentu Keberhasilan IB Ternak Sapi di Koperasi Susu Margo Mulyo. Prasetya Universitas Brawijaya.

Mulyono, A. 2022. Identification of the estrous period through texture analysis of the cow vulva image. Revista electrónica de Veterinaria, 23 (3). pp. 261-269. ISSN 1695-7504.

Qian, Y. 2023. Performance Comparison among Vgg16, Inceptionv3, and Resnet on Galaxy Morphology Classification. Journal of Physics Conference Series.

Sa’idah, S., Suparta, I. P. Y. N., Suhartono, E. 2022. Modifikasi Convolutional Neural Network Arsitektur GoogLeNet dengan Dull Razor Filtering untuk Klasifikasi Kanker Kulit. Jurnal Nasional Teknik Elektro dan Teknologi Informasi

Widiarso, Budi, P. 2017. Faktor-Faktor Penyebab Kegagalan Inseminasi Buatan Pada Sapi Limosin di Kecamatan Tegalrejo Kabupaten Magelang. Jurnal Peternakan Politeknik Pembangunan Pertanian.

Diterbitkan

12 Feb 2024

Cara Mengutip

Farrassy, M., & Utaminingrum, F. (2024). Implementasi InceptionV3 untuk Deteksi Fase Estrus Sapi Betina berbasis Raspberry Pi. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 8(2). Diambil dari https://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/13279

Terbitan

Bagian

Artikel
Loading...