Pengembangan Algoritma Kuantifikasi Otomatis untuk Telur Tipe Strongyle pada Counting Chamber McMaster.

Abstract

Infeksi nematoda strongyle dapat menyebabkan berbagai macam kerugian bagi peternak. Salah satu kerugiannya yaitu ternak mengalami gastroenteritis parasitik, anemia hingga kematian. Oleh karena itu, penelitian ini bertujuan memudahkan dan menyediakan cara yang cepat dan akurat dalam identifikasi dan kuantifikasi jumlah telur cacing tipe strongyle dengan algoritma YOLO agar dapat menghemat waktu dalam menghitung jumlah telur strongyle, meminimalisir kesalahan perhitungan dan memudahkan dalam mendiagnosis strongylidosis. Metode penelitian yang digunakan yaitu pengambilan gambar dengan kamera handphone kemudian gambar tersebut dilakukan training ke algoritma YOLO oleh mitra yaitu PT. Vox Digital Kreatif. Uji identifikasi menggunakan 233 gambar sampel dengan hasil analisis mendapatkan nilai precision 98,23%, recall 90,19% dan mAP 96,32%. Uji kuantifikasi menggunakan 800 gambar yang berasal dari 16 sampel kemudian dibagi menjadi 2 data kelompok. Kelompok 1 mempunyai nilai akurasi 36,67% dan RMSE 5,35. Kelompok 2 mempunyai nilai akurasi 66,39% dan RMSE 2,35. Kesalahan identifikasi dan kuantifikasi dapat disebabkan karena jumlah dataset yang sedikit sehingga sistem tidak dapat mengenali bentuknya, telur strongyle bertumpuk, kualitas foto kurang baik dan tingkat pencahayaan yang tidak memadai.