Perpustakaan Digital ITB

Metode penimbangan unggas manual memicu stres ternak. Teknologi visi komputer 2D rentan terhadap ilusi postur optik, sementara sensor 3D aktif berbiaya tinggi dan rentan terhadap debu kandang. Selain itu, arsitektur Cloud murni menghadapi kendala latensi dan limitasi bandwidth di pedesaan. Penelitian ini mengusulkan sistem estimasi berat non-invasif berbasis fusi multikamera (2.5D) pada arsitektur Edge-Fog. Sistem mengintegrasikan citra kamera atas dan samping menggunakan YOLO26s-seg dan pelacak BoT-SORT yang diakselerasi via Intel OpenVINO. Model regresi eXtreme Gradient Boosting (XGBoost) dipilih karena ketahanannya meredam ekstrapolasi liar (anti-runaway) dan latensi inferensinya yang ultra-rendah (1,1 ms). Model ini dilatih dengan >13.000 dataset kustom melalui pelabelan hibrida terotomatisasi (Quantile Mapping). Hasil pengujian menunjukkan fusi 2.5D berhasil menekan Root Mean Square Error (RMSE) menjadi 19,50 gram dan Mean Absolute Error (MAE) 11,07 gram, mereduksi galat hingga 75,2% dibandingkan pendekatan 2D planar (RMSE 78,76 gram; MAE 51,82 gram). Penyempitan drastis selisih antara RMSE dan MAE ini membuktikan fusi 2.5D sukses memusnahkan tebakan pencilan ekstrem (outlier) akibat ilusi postur ayam. Arsitektur Edge-Fog memangkas latensi menjadi 32 ms dan menghemat bandwidth hingga 96,75% melalui telemetri zero-video. Integrasi Sistem Pendukung Keputusan (DSS) memampukan akselerasi panen 2 hari lebih awal, menghasilkan efisiensi Biaya Operasional (OpEx) sebesar 9,3% per siklus. Persentase ini ekuivalen dengan penghematan absolut Rp 26.400.000 pada populasi 10.000 ekor ayam, menggaransi skalabilitas keekonomian sistem.