Perpustakaan Digital ITB

Industri peternakan ayam di Indonesia terus mengalami peningkatan seiring dengan naiknya kebutuhan protein hewani. Salah satu kendala yang masih dihadapi adalah proses pendeteksian telur fertil dan infertil yang umumnya dilakukan secara manual, sehingga kurang efisien dan rentan terhadap kesalahan identifikasi. Penelitian ini bertujuan untuk mengembangkan sebuah alat pendeteksi fertilitas telur berbasis sistem kotak tertutup berkapasitas 36 telur yang dilengkapi kamera Arducam IMX477 dan model machine learning YOLOv11. Proses pendeteksian dilakukan dengan memanfaatkan perbedaan intensitas cahaya yang menembus telur, di mana telur fertil tampak gelap dan telur infertil tampak terang, kemudian dideteksi secara real-time melalui web dashboard . Hasil pelatihan model menunjukkan performa yang sangat baik dengan nilai mAP50 sebesar 0,9950, precision sebesar 0,9076, dan recall sebesar 0,9230. Pengujian sistem secara real-time menunjukkan bahwa alat mampu mendeteksi fertilitas telur secara otomatis dengan tingkat akurasi yang tinggi. Selain itu, pengujian terhadap 216 butir telur serta evaluasi 55 kombinasi parameter citra menunjukkan bahwa sistem dapat beroperasi secara konsisten dan optimal pada berbagai pengaturan kamera. Hasil penelitian menunjukkan bahwa sistem pendeteksi berbasis kamera dan machine learning yang dikembangkan memiliki potensi sebagai solusi pendeteksian fertilitas telur yang lebih objektif, cepat, dan efisien dibandingkan metode candling manual.