Pembangunan Aplikasi Sistem Deteksi Kesehatan Sapi Berdasarkan Mata Sapi Berbasis Android
Total View This Week0
Total View This Week0
Institusion
Universitas Komputer Indonesia
Author
Hibatullah, Muhammad Helmi
Subject
004_Data Processing & Computer Science
Datestamp
2022-01-12 02:36:31
Abstract :
Peternakan sapi merupakan usaha peternakan yang penting dan merupakan salah satu dari lima subsektor pertanian, Subsektor peternakan memegang peranan penting dalam meningkatkan perekonomian Indonesia. Dalam pelaksanaannya, dibutuhkan pengendalian penyakit untuk hewan ternak sapi agar peternakan dapat terus maju dan berkembang, sayangnya sebagian besar peternak sapi tidak mempunyai pengetahuan dan modal, dan kurang mampu melakukan pengendalian penyakit tersebut. Pada penelitian ini dilakukan pembangunan sebuah sistem yang mampu mendeteksi penyakit pinkeyes dan thelaziasis berdasarkan gejala yang ditimbulkan melalui mata ternak sapi dengan menggunakan metode Convolutional Neural Network (CNN) dan tensorflow. Convolutional Neural Network (CNN) adalah salah satu jenis neural network yang biasa digunakan pada data image. CNN bisa digunakan untuk mendeteksi dan mengenali object pada sebuah image. Tensorflow merupakan software library open-source yang dikembangkan oleh Google untuk mempermudah pengolahan deep learning, tensorflow dapat melakukan pengolahan citra sehingga dapat mengklasifikasi citra yang telah di proses dalam bentuk sebuah model. Pengujian dilakukan dengan 10 objek sapi dimana masing-masing objek diuji pada bagian mata kiri dan mata kanan dengan ketentuan pengambilan foto objek dilakukan dari sudut pandang atas, bawah, kiri, kanan, dan depan. Dari hasil pengujian dapat disimpulkan bahwa sistem deteksi penyakit pinkeyes dan thelaziasis dapat memvalidasi objek untuk pengujian mendapatkan tingakat akurasi sebesar 95%.
Peternakan sapi merupakan usaha peternakan yang penting dan merupakan salah satu dari lima subsektor pertanian, Subsektor peternakan memegang peranan penting dalam meningkatkan perekonomian Indonesia. Dalam pelaksanaannya, dibutuhkan pengendalian penyakit untuk hewan ternak sapi agar peternakan dapat terus maju dan berkembang, sayangnya sebagian besar peternak sapi tidak mempunyai pengetahuan dan modal, dan kurang mampu melakukan pengendalian penyakit tersebut. Pada penelitian ini dilakukan pembangunan sebuah sistem yang mampu mendeteksi penyakit pinkeyes dan thelaziasis berdasarkan gejala yang ditimbulkan melalui mata ternak sapi dengan menggunakan metode Convolutional Neural Network (CNN) dan tensorflow. Convolutional Neural Network (CNN) adalah salah satu jenis neural network yang biasa digunakan pada data image. CNN bisa digunakan untuk mendeteksi dan mengenali object pada sebuah image. Tensorflow merupakan software library open-source yang dikembangkan oleh Google untuk mempermudah pengolahan deep learning, tensorflow dapat melakukan pengolahan citra sehingga dapat mengklasifikasi citra yang telah di proses dalam bentuk sebuah model. Pengujian dilakukan dengan 10 objek sapi dimana masing-masing objek diuji pada bagian mata kiri dan mata kanan dengan ketentuan pengambilan foto objek dilakukan dari sudut pandang atas, bawah, kiri, kanan, dan depan. Dari hasil pengujian dapat disimpulkan bahwa sistem deteksi penyakit pinkeyes dan thelaziasis dapat memvalidasi objek untuk pengujian mendapatkan tingakat akurasi sebesar 95%.
File :
UNIKOM_MUHAMMAD HELMI HIBATULLAH_COVER.pdf
UNIKOM_MUHAMMAD HELMI HIBATULLAH_LEMBAR PENGESAHAN.pdf
UNIKOM_MUHAMMAD HELMI HIBATULLAH_BAB 5.pdf
UNIKOM_MUHAMMAD HELMI HIBATULLAH_DAFTAR PUSTAKA.pdf
UNIKOM_MUHAMMAD HELMI HIBATULLAH_KONTAK PENULIS DAN KONTRIBUTOR.pdf
UNIKOM_MUHAMMAD HELMI HIBATULLAH_SURAT KETERANGAN PERSETUJUAN PUBLIKASI.pdf
UNIKOM_MUHAMMAD HELMI HIBATULLAH_SURAT PERNYATAAN ORISINALITAS.pdf
UNIKOM_MUHAMMAD HELMI HIBATULLAH_KATA PENGANTAR.pdf
UNIKOM_MUHAMMAD HELMI HIBATULLAH_DAFTAR ISI.pdf
UNIKOM_MUHAMMAD HELMI HIBATULLAH_BAB 1.pdf
UNIKOM_MUHAMMAD HELMI HIBATULLAH_BAB 2.pdf
UNIKOM_MUHAMMAD HELMI HIBATULLAH_BAB 3.pdf
UNIKOM_MUHAMMAD HELMI HIBATULLAH_BAB 4.pdf
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
