Rancang Bangun Sistem Penghitung Telur Ayam Otomatis Menggunakan Algoritma YOLO Berbasis Iot Guna Meningkatkan Efisiensi Waktu Peternak

Abstract

Pengelolaan pemanenan telur pada peternakan ayam petelur sistem umbaran (*free-range*) berskala kecil hingga menengah umumnya masih dilakukan secara manual, sehingga rentan terhadap kesalahan manusia (*human error*) dan menyulitkan peternak dalam memprediksi fluktuasi produksi harian. Untuk mengatasi masalah tersebut, penelitian ini merancang prototipe sistem penghitungan telur otomatis berbasis *Computer Vision* dan *Internet of Things* (IoT) yang terintegrasi dengan fitur prakiraan sebagai sistem informasi manajemen. Sistem ini menggunakan mikrokontroler ESP32-CAM yang dilengkapi sensor OV2640 yang dipasang secara tegak lurus (pandangan dari atas) di atas nampan penampung telur; aliran video diproses secara *real-time* menggunakan bahasa pemrograman Python dan algoritma *Deep Learning* YOLOv8 Nano (YOLOv8n). Data yang terkumpul kemudian dikirimkan sebagai notifikasi interaktif melalui API Telegram Bot dan secara bersamaan diunggah ke basis data Google Sheets untuk memicu perhitungan prakiraan produksi secara otomatis menggunakan metode *Holt's Double Exponential Smoothing* (DES). Hasil evaluasi model YOLOv8n menunjukkan kinerja deteksi yang sangat andal, dengan capaian Presisi 99,0%, *Recall* 99,8%, dan *Mean Average Precision* (mAP50) sebesar 99,5%. Sementara itu, evaluasi model prakiraan DES menghasilkan nilai rata-rata *Mean Absolute Percentage Error* (MAPE) sebesar 25,81%. Persentase yang relatif tinggi ini semata-mata dipengaruhi oleh bias matematis akibat skala data panen harian yang sangat kecil (dikenal sebagai masalah penyebut kecil atau *small denominator problem*), dan bukan disebabkan oleh kegagalan komputasi sistem. Secara keseluruhan, integrasi sistem cerdas ini telah berhasil diimplementasikan sebagai solusi otomatisasi yang andal untuk memodernisasi pengelolaan data dan prediksi dalam industri peternakan ayam petelur.