| dc.description.abstract | Permintaan pasar terhadap komoditas ayam pedaging yang tinggi menuntut
peternak ayam untuk meningkatkan performa produksi. Biaya produksi dan
kesejahteraan unggas menjadi aspek penting dalam daya saing industri. Untuk
mengoptimalkan aspek-aspek tersebut, perilaku ayam seperti makan dan
keagresifan perlu diperhatikan secara kontinu. Namun hal ini tidak praktis
dilakukan sepenuhnya dengan tenaga manusia. Penerapan Precision Livestock
Farming dengan Deep Learning dapat membantu memberikan keputusan secara
kontinu, real-time, dan terotomasi. Pada penelitian ini diterapkan arsitektur deteksi
objek You Only Look Once Version 4 (YOLOv4) untuk mendeteksi perilaku ayam
makan dan keagresifan. Data yang digunakan yaitu 1.128 bounding box makan dan
881 bounding box keagresifan. Nilai mAP pelatihan model menghasilkan 73,95 %
- 99,74 %, namun nilai mAP pengujian model menghasilkan 16,92 % – 32,38 %.
Hal ini menunjukan bahwa pelatihan model deteksi objek masih overfitting.
Pelatihan model selanjutnya perlu dilakukan pembangunan dataset lebih lanjut yang
lebih relevan dan representatif serta mengurangi data yang redundan. | id |
