GHANI, MOHD. ABDUL (2024) RANCANG BANGUN APLIKASI MOBILE CERDAS PENDETEKSI BERAT BADAN SAPI MENGGUNAKAN YOLOV5 = Designing an Intelligent Mobile Application for Detecting Cattle Weight Using YOLOV5. Skripsi thesis, Universitas Hasanuddin.
![[thumbnail of Cover]](/42856/1.hassmallThumbnailVersion/H071181004_skripsi_03-07-2024%20cover1.png)

H071181004_skripsi_03-07-2024 cover1.png
Download (144kB) | Preview
![[thumbnail of Bab 1-2]](/style/images/fileicons/text.png)
H071181004_skripsi_03-07-2024 1-2(FILEminimizer).pdf
Download (800kB)
![[thumbnail of Dapus]](/style/images/fileicons/text.png)
H071181004_skripsi_03-07-2024 dp(FILEminimizer).pdf
Download (478kB)
![[thumbnail of Full Text]](/style/images/fileicons/text.png)
H071181004_skripsi_03-07-2024(FILEminimizer).pdf
Restricted to Repository staff only until 11 February 2027.
Download (1MB)
Abstract (Abstrak)
Salah satu parameter penting bagi peternak sapi adalah berat badan karena mencerminkan kondisi tubuh sapi, pembibitan dan nutrisi. Penggunaan alat timbang konvensional menjadi kurang efisien dan dapat menyebabkan stres pada sapi. Oleh karena itu, merancang aplikasi mobile pendeteksi berat badan sapi menjadi sangat penting. Penelitian ini menganalisis kinerja YOLOv5 dalam mendeteksi berat badan sapi, merancang aplikasi mobile, dan mengintegrasikan model tersebut ke dalam aplikasi. Metode yang digunakan meliputi pelatihan model YOLOv5 dengan dataset gambar sapi dari Kaggle, yang dibagi menjadi data latih dan uji dengan rasio 70:30, selama 200 epochs dengan batch size 32, menghasilkan mAP50 sebesar 0.995, mAP50-90 sebesar 0.88, precision sebesar 0.999, dan recall sebesar 1. Kemudian model dikonversi menjadi TensorFlow Lite untuk diintegrasikan ke aplikasi mobile. Evaluasi menunjukkan bahwa model YOLOv5 memiliki performa baik dalam mendeteksi bagian tubuh sapi. Namun, terdapat perbedaan signifikan antara berat badan aktual dan prediksi, akibat variasi jarak sapi dengan kamera. Evaluasi hasil deteksi berat badan sapi menunjukkan MAPE sebesar 14.30% dan MAE sebesar 24.87 kg. YOLOv5 mampu mendeteksi bagian tubuh sapi dengan akurat, dan integrasi model ke aplikasi mobile berhasil dilakukan. Namun deteksi berat badan sapi masih dipengaruhi oleh jarak dan kondisi pengambilan gambar, sehingga diperlukan pengembangan lebih lanjut.
Keyword : YOLOv5, deteksi berat sapi, aplikasi mobile
Item Type: | Thesis (Skripsi) |
---|---|
Uncontrolled Keywords: | YOLOv5, cow weight detection, mobile application. |
Subjects: | Q Science > Q Science (General) |
Divisions (Program Studi): | Fakultas Matematika dan Ilmu Peng. Alam > Matematika |
Depositing User: | Rasman |
Date Deposited: | 05 Mar 2025 01:24 |
Last Modified: | 05 Mar 2025 01:24 |
URI: | http://repository.unhas.ac.id:443/id/eprint/42856 |