Article Per Year (5 Year)
p-Index From 2020 - 2025
1.235
P-Index
This Author published in this journals
All Journal Jurnal Minfo Polgan (JMP) Jurnal Teknik Informatika Journal of Artificial Intelligence and Engineering Applications (JAIEA) Jurnal Ilmiah Sistem Informasi dan Ilmu Komputer Saber: Jurnal Teknik Informatika, Sains dan Ilmu Komunikasi Intellektika: Jurnal Ilmiah Mahasiswa
Fajar Hariadi
Unknown Affiliation
Arts Humanities Automotive Engineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Industrial & Manufacturing Engineering Library & Information Science Mathematics Social Sciences

Published : 7 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Jurnal Teknik Informatika

 1 
Deteksi Penyakit Sura pada Kuda Menggunakan CNN Berbasis Citra Mikroskopik Hildegard Rambu Konda Ndima; Fajar Hariadi; Raynesta Mikaela Indri Malo
JEKIN - Jurnal Teknik Informatika Vol. 5 No. 2 (2025)
Publisher : Yayasan Rahmatan Fidunya Wal Akhirah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58794/jekin.v5i2.1610

Abstract

Penyakit Sura, yang disebabkan oleh parasit Trypanosoma evansi, merupakan penyakit endemik yang menyerang kuda di Kabupaten Sumba Timur. Dampaknya sangat serius terhadap sektor peternakan karena diagnosis masih dilakukan secara manual melalui pemeriksaan mikroskopik oleh tenaga ahli. Penelitian ini bertujuan untuk mengembangkan sistem pendeteksian otomatis berbasis citra mikroskopik darah kuda menggunakan metode Convolutional Neural Network (CNN). Dataset terdiri atas 200 citra darah yang terbagi merata antara kondisi normal dan terinfeksi. Data divalidasi oleh dokter hewan, kemudian melalui proses preprocessing berupa konversi ke grayscale, normalisasi, dan resize ke ukuran 128x128 piksel. Arsitektur CNN terdiri dari dua lapisan konvolusi, pooling, dan fully connected dengan dropout. Hasil pelatihan menunjukkan akurasi pelatihan 100% dan akurasi validasi mencapai 97,5%. Evaluasi menggunakan confusion matrix dan classification report menunjukkan hasil sempurna tanpa kesalahan klasifikasi. Temuan ini menunjukkan potensi CNN sebagai solusi diagnosa cepat dan akurat. Sistem ini dapat dikembangkan lebih lanjut sebagai aplikasi berbasis web atau mobile.
Co-Authors Deonisius Anamatalu Ferderika Nathan Tawa Hawu Yogia Pradana Uly Hildegard Rambu Konda Ndima Meychristian V. Ama Lay Milton Dapamudang Raynesta Miakela Indri Malo Raynesta Mikaela Indri Malo Theresia Satri Ina Yosua Nggaba Patimay