<![CDATA[Peternakan ayam di Indonesia menghadirkan potensi ekonomi yang substansial karena tingginya permintaan daging dan telur. Namun, peternakan ini juga menghadapi risiko signifikan dari penyakit yang dapat menginfeksi ayam secara tiba-tiba dan seringkali sulit dideteksi sejak dini. Penelitian ini bertujuan untuk membantu peternak mengidentifikasi penyakit ayam lebih cepat dan akurat dengan memanfaatkan teknologi pemrosesan citra digital. Sistem klasifikasi dibangun menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur Xception, yang dikenal karena efisiensinya dalam mengekstraksi fitur visual. Model tersebut mengklasifikasikan citra menjadi empat kategori: Coccidiosis, Newcastle Disease, Salmonella, and healthy conditions. Proses pelatihan menggunakan dataset dari Kaggle dan sejumlah citra lapangan yang terbatas, dengan pembagian data 80:10:10 untuk pelatihan, validasi, dan pengujian. Model tersebut mencapai akurasi 94%, menunjukkan kinerja terbaik dalam mendeteksi Koksidiosis, sementara Penyakit Newcastle menimbulkan lebih banyak tantangan karena keterbatasan data. Pengujian lebih lanjut dengan 36 foto feses lapangan mengonfirmasi keandalan sistem, terutama dalam mengidentifikasi sampel yang sehat. Sistem ini terintegrasi ke dalam aplikasi seluler atau web yang dapat membantu peternak dalam mendeteksi penyakit ayam secara otomatis dari gambar tinja, yang pada akhirnya mengurangi kerugian dan mendukung praktik peternakan unggas yang lebih sehat.]]>
