{"id":2179,"date":"2026-03-31T16:32:50","date_gmt":"2026-03-31T16:32:50","guid":{"rendered":"https:\/\/research.dvs.gov.my\/ral\/?post_type=dlp_document&#038;p=2179"},"modified":"2026-03-31T16:32:50","modified_gmt":"2026-03-31T16:32:50","slug":"kebolehlaksanaan-google-teachable-machine-dalam-mengenal-pasti-baka-lembu","status":"publish","type":"dlp_document","link":"https:\/\/research.dvs.gov.my\/ral\/document\/kebolehlaksanaan-google-teachable-machine-dalam-mengenal-pasti-baka-lembu\/","title":{"rendered":"KEBOLEHLAKSANAAN GOOGLE TEACHABLE MACHINE DALAM MENGENAL PASTI  BAKA LEMBU"},"content":{"rendered":"<p data-start=\"96\" data-end=\"2146\">Pengenalpastian baka lembu merupakan aspek penting dalam penternakan untuk tujuan pembiakan, pengurusan, dan pemasaran. Kaedah konvensional yang bergantung pada pemerhatian visual memerlukan kepakaran serta mempunyai risiko kesilapan dalam pengecaman baka. Kajian kebolehlaksanaan ini menilai keupayaan Google Teachable Machine (ver 2.4.10) sebagai platform pengelasan imej untuk empat baka lembu iaitu Charolais, Brahman, Kedah-Kelantan, dan Sahiwal. Kajian ini menggunakan sebanyak 8,767 imej yang telah melalui proses augmentasi data menggunakan teknik pencerahan, skala kelabu, penambahan hingar, keratan, balikan, dan putaran 45 darjah bagi meningkatkan variasi serta saiz dataset dengan taburan berikut: Charolais (1,484 imej), Brahman (3,226 imej), Kedah-Kelantan (1,450 imej), dan Sahiwal (2,607 imej). Model dilatih dengan hyperparameter yang ditetapkan iaitu 50 epoch, kadar pembelajaran 0.001, dan saiz kelompok 16. Keputusan kajian menunjukkan prestasi model yang sangat memberangsangkan dengan mencapai ketepatan keseluruhan 96.28%. Nilai metrik prestasi lain turut mencatatkan angka yang tinggi iaitu precision 96.26%, recall 96.29%, dan F1-score 96.27%. Analisis prestasi model mengesahkan keupayaan pengelasannya yang tepat untuk kesemua baka lembu, manakala trend penurunan kadar kesilapan yang konsisten menunjukkan proses pembelajaran yang stabil. Dapatan kajian membuktikan bahawa Google Teachable Machine (ver 2.4.10) berpotensi sebagai platform alternatif yang efektif untuk aplikasi pengenalan baka lembu dengan ketepatan tinggi. Pendekatan tanpa kod ini menawarkan penyelesaian praktikal yang menjimatkan masa, berdaya tahan serta berteknologi tinggi selaras dengan Dasar Agromakanan Negara 2.0 (DAN 2.0), yang menekankan pemodenan dan pelaksanaan pertanian pintar. Kajian masa hadapan wajar meneroka integrasi platform ini dengan teknologi mudah alih bagi membangunkan aplikasi praktikal yang boleh digunakan secara langsung di ladang, sekali gus menilai keberkesanannya untuk klasifikasi baka ternakan secara lebih meluas.<\/p>\n<p data-start=\"2148\" data-end=\"2266\" data-is-last-node=\"\" data-is-only-node=\"\"><strong data-start=\"2148\" data-end=\"2163\">Kata kunci:<\/strong> Google Teachable Machine, pembelajaran mesin, klasifikasi baka lembu, augmentasi data, hyperparameter.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Irdina Nadhrah, M. L.\u00b9, Nur Atiqah, R.\u00b2.<br \/>\n\u00b9Bahagian Penyelidikan Veterinar, Jabatan Perkhidmatan Veterinar, Wisma Tani, Presint 4, Pusat Pentadbiran Kerajaan Persekutuan, 62630 Putrajaya.<br \/>\n\u00b2Institut Biodiversiti Veterinar Kebangsaan, Bukit Dinding, 27000 Jerantut, Pahang. Emel: irdinanadhrah@dvs.gov.my<\/p>\n","protected":false},"author":1,"featured_media":0,"template":"","doc_categories":[83],"doc_tags":[],"doc_author":[],"file_type":[73],"class_list":["post-2179","dlp_document","type-dlp_document","status-publish","hentry","doc_categories-penyelidikan-pengeluaran-ternakan","file_type-pdf","no-post-thumbnail"],"download_url":"https:\/\/research.dvs.gov.my\/ral\/wp-content\/uploads\/2026\/03\/Simposium-Penyelidikan-Veterinar-2025-Irdina-Nadhrah.pdf","file_size":"9 MB","filename":"Simposium-Penyelidikan-Veterinar-2025-Irdina-Nadhrah.pdf","download_count":"","version_history":[],"acf":[],"_links":{"self":[{"href":"https:\/\/research.dvs.gov.my\/ral\/wp-json\/wp\/v2\/dlp_document\/2179","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/research.dvs.gov.my\/ral\/wp-json\/wp\/v2\/dlp_document"}],"about":[{"href":"https:\/\/research.dvs.gov.my\/ral\/wp-json\/wp\/v2\/types\/dlp_document"}],"author":[{"embeddable":true,"href":"https:\/\/research.dvs.gov.my\/ral\/wp-json\/wp\/v2\/users\/1"}],"version-history":[{"count":1,"href":"https:\/\/research.dvs.gov.my\/ral\/wp-json\/wp\/v2\/dlp_document\/2179\/revisions"}],"predecessor-version":[{"id":2181,"href":"https:\/\/research.dvs.gov.my\/ral\/wp-json\/wp\/v2\/dlp_document\/2179\/revisions\/2181"}],"wp:attachment":[{"href":"https:\/\/research.dvs.gov.my\/ral\/wp-json\/wp\/v2\/media?parent=2179"}],"wp:term":[{"taxonomy":"doc_categories","embeddable":true,"href":"https:\/\/research.dvs.gov.my\/ral\/wp-json\/wp\/v2\/doc_categories?post=2179"},{"taxonomy":"doc_tags","embeddable":true,"href":"https:\/\/research.dvs.gov.my\/ral\/wp-json\/wp\/v2\/doc_tags?post=2179"},{"taxonomy":"doc_author","embeddable":true,"href":"https:\/\/research.dvs.gov.my\/ral\/wp-json\/wp\/v2\/doc_author?post=2179"},{"taxonomy":"file_type","embeddable":true,"href":"https:\/\/research.dvs.gov.my\/ral\/wp-json\/wp\/v2\/file_type?post=2179"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}