This Author published in this journals
All Journal Teknika
Shumaya Resty Ramadhani
Program Studi Teknik Informatika, Politeknik Caltex Riau, Pekanbaru, Riau

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

Perancangan Sistem Deteksi Penyakit Kulit Pada Kucing Menggunakan Deep Learning Berbasis Android Irgi Yoga Pangestu; Shumaya Resty Ramadhani
Teknika Vol 12 No 3 (2023): November 2023
Publisher : Center for Research and Community Service, Institut Informatika Indonesia (IKADO) Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34148/teknika.v12i3.673

Abstract

Penyakit kulit merupakan jenis penyakit yang sering dialami oleh makhluk hidup terutama kucing. Kucing salah satu hewan yang paling banyak dipelihara oleh manusia. Berdasarkan hasil survei berupa kuesoner yang disebarkan ke orang-orang yang memiliki kucing atau penyayang kucing, terdapat sekitar 65% dari 20 responden mengatakan kalau kucing peliharaannya pernah mengalami penyakit kulit dan sekitar 65% dari 20 responses mengatakan kesulitan mengenali penyakit kulit pada kucing. Pemilik atau pecinta kucing melakukan identifikasi penyakit kulit pada kucing dengan cara manual menggunakan indra penglihatan yaitu mata. Karena gejala penyakit kulit pada kucing memiliki kesamaan antar jenis penyakit, hal itu membuat pemilik atau pecinta kucing ragu atau salah mengenali jenis penyakit kulit pada kucing. Hal ini menyebabkan pecinta kucing salah memberikan pertolongan pertama atau pengobatan. Kondisi ini bisa membuat kucing bukan menjadi lebih sehat melainkan bisa bertambah parah. Solusi untuk mengatasi permasalahan tersebut untuk mengidentifikasi penyakit kulit pada kucing, penulis akan mengimplementasikan Deep Learning dengan menggunakan algoritma Convolutional Neural Network (CNN) untuk melakukan deteksi penyakit kulit pada kucing. Untuk mempermudah dalam pemakaiannya, dibuatlah dalam bentuk aplikasi android. Berdasarkan hasil uji confusion matrix didapatkan akurasi sebesar 78,33%, presisi sebesar 76,96%, dan recall sebesar 74,94%.