SKRIPSI DIGITAL
Integrasi Sistem You Only Look Once (YOLO) Untuk Counting Jumlah Dan Berat Ayam Broiler Dengan Platform Web-Android Dan Chatbot Telegram Di Perternakan Setiabudi = Integration Of The You Only Look Once (YOLO) System For Counting The Number And Weight Of Broiler Chickens Using A Web-Android Platform and a Telegram Chatbot at the Setiabudi Poultry Farm
Ahmad Toriqul Mukarom, Farhan Arif Rahman, Iklas Jaya Putra, Muchammad
Shidiq Shiendy,
“Integrasi Sistem You Only Look Once(YOLO) untuk Counting
Jumlah dan Berat Ayam Broiler dengan Platform Web-Android dan Chatbot
Telegram di Peternakan Ayam Broiler Setiabudi”
, Tugas Akhir Sarjana Terapan
Teknik Telekomunikasi Jurusan Teknik Elektro Politeknik Negeri Semarang, di
bawah bimbingan Dr. Eni Dwi Wardihani, S.T., M.T. dan Sarono Widodo , S.T., M.
Kom., Juli 2026, 204 halaman.
Proses penghitungan jumlah dan estimasi berat ayam broiler di Peternakan Ayam
Broiler Setiabudi masih dilakukan secara manual sehingga kurang efisien dan
menyulitkan pemantauan secara real-time. Penelitian ini mengembangkan sistem
Artificial Intelligence (AI) berbasis YOLOv8 pada Raspberry Pi 4 Model B untuk
mendeteksi, menghitung jumlah, dan mengestimasi berat ayam broiler secara
otomatis. Sistem diintegrasikan dengan situs web, aplikasi Android, dan Chatbot
Telegram menggunakan protokol HTTP REST API untuk pengiriman data dan
MQTT sebagai komunikasi kendali. Hasil pelatihan model YOLOv8 menunjukkan
performa yang sangat baik dengan tingkat akurasi atau mean Average Precision
(mAP50) sebesar 99%, presisi 95,7%, dan recall 98,5%. Pemodelan regresi linier
untuk estimasi berat ayam juga mencapai tingkat akurasi koefisien determinasi (????2)
sebesar 80,56% pada titik optimal ketinggian kamera 180 cm. Pengujian Quality of
Service (QoS) pada jaringan menghasilkan throughput sebesar 13.469,93 bps pada
HTTPS dan 245,65 bps pada MQTT, delay rata-rata 332,58 ms, jitter sebesar
650,50 ms pada HTTPS dan 170,21 ms pada MQTT, serta packet loss sebesar
0,28% pada HTTPS dan 0,47% pada MQTT. Seluruh fitur operasional juga berhasil
berfungsi dengan baik berdasarkan pengujian Black Box Testing, sehingga sistem
secara keseluruhan dinilai mampu mendukung pemantauan jumlah dan estimasi
berat ayam broiler secara otomatis dan real-time.
Kata kunci: Artificial Intelligence, YOLOv8, Raspberry Pi 4 Model B, Regresi
Linier, Estimasi Berat, Ayam Broiler, HTTP REST API, MQTT.
Tidak tersedia versi lain
Karya Umum 
Filsafat 
Agama 
Ilmu-ilmu Sosial 
Bahasa 
Ilmu-ilmu Murni 
Ilmu-ilmu Terapan 
Kesenian, Hiburan, dan Olahraga 
Kesusastraan 
Geografi dan Sejarah