Sistem Cerdas untuk Mengidentifikasi Ayam Sakit Berdasarkan Citra dan Data Perilaku

Abstract

Kesehatan ayam merupakan faktor penting dalam meningkatkan produktivitas peternakan. Pemantauan kesehatan yang masih dilakukan secara manual memerlukan waktu, bergantung pada pengalaman peternak, dan berisiko menyebabkan keterlambatan deteksi penyakit. Penelitian ini bertujuan mengembangkan sistem identifikasi kondisi kesehatan ayam berbasis kamera termal menggunakan algoritma YOLOv8 yang diimplementasikan pada NVIDIA Jetson Nano untuk mendukung pemantauan secara real-time dan non-invasif. Metode penelitian meliputi pengambilan citra termal, anotasi dataset menggunakan format YOLO, pembagian data menjadi training, validation, dan testing, serta pelatihan model YOLOv8n. Model terbaik kemudian diimplementasikan pada NVIDIA Jetson Nano dan diintegrasikan dengan kamera thermal untuk mendeteksi ayam sehat dan ayam sakit secara otomatis. Hasil penelitian menunjukkan bahwa model memperoleh Accuracy 96,67%, Precision 97,73%, Recall 95,56%, F1-Score 96,63%, mAP@50 96,57%, dan mAP@50–95 90,8%. Sistem mampu mendeteksi objek hingga jarak 10 m dengan waktu inferensi rata-rata 41,8 ms dan kecepatan 24 FPS sehingga memenuhi kebutuhan aplikasi real-time. Penggunaan kamera thermal memungkinkan identifikasi dilakukan tanpa kontak langsung dengan ayam. Dengan demikian, sistem yang dikembangkan mampu bekerja secara otomatis, akurat, cepat, dan berpotensi membantu peternak dalam pemantauan kesehatan ayam secara lebih efektif dan efisien.   Kata Kunci - Artificial Intelligence (AI), Computer Vision, Deep Learning, NVIDIA Jetson, YOLO