Implementasi Algoritma CNN Untuk Mendeteksi Telur Bebek Fertil Dan Infertil Menggunakan Arsitektur Yolov8

Penetasan telur bebek memerlukan pemilihan telur yang subur (fertil) agar proses berjalan efisien. Namun, metode yang masih digunakan umumnya adalah candling manual, yaitu meneropong telur dengan senter di ruangan gelap, yang kurang efisien, memakan waktu, serta berpotensi meningkatkan biaya. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan sistem deteksi telur bebek fertil dan infertil secara otomatis. Metode yang digunakan adalah algoritma YOLOv8 berbasis Convolutional Neural Network (CNN). Data dikumpulkan menggunakan metode candling manual sebanyak 1.400 gambar, yang terdiri dari 700 telur fertil dan 700 telur infertil. Data kemudian diproses melalui tahap preprocessing berupa resize dan pelabelan, lalu dibagi menjadi data pelatihan (80%) dan validasi (20%). Model dilatih menggunakan learning rate 0,001, batch size 16, dan 100 epoch. Hasil pengujian sebanyak 30 kali menunjukkan bahwa sistem mampu mendeteksi telur fertil dan infertil dengan akurasi sebesar 93%.

Kata kunci: YOLOv8, deteksi objek, telur bebek, fertil, infertil.