<![CDATA[Penelitian ini bertujuan mengembangkan model klasifikasi otomatis berbasis Convolutional Neural Network (CNN) untuk mengidentifikasi lima jenis ras sapi, yaitu Bali, Brahma, Angus, Holstein, dan Beefmaster. Data citra sapi diperoleh melalui dokumentasi lapangan serta sumber dataset publik, dengan total 1.500 gambar yang dibagi ke dalam tiga subset: pelatihan, validasi, dan pengujian. Model yang digunakan adalah ResNet50V2 dengan pendekatan transfer learning, yang dilatih menggunakan teknik data augmentation dan normalisasi citra untuk meningkatkan generalisasi model. Evaluasi performa dilakukan dengan menggunakan sejumlah metrik, meliputi akurasi, presisi, recall, F1-score, serta analisis confusion matrix dan visualisasi hasil prediksi. Hasil eksperimen menunjukkan bahwa model ResNet50V2 mampu mengklasifikasikan ras sapi dengan akurasi mencapai 95,63% pada data uji. Rata-rata nilai F1-score untuk seluruh kelas adalah 0,95, yang mencerminkan kinerja model yang tinggi dan seimbang. Berdasarkan confusion matrix, sebagian besar kelas dapat dikenali secara akurat, meskipun masih terdapat kesalahan klasifikasi pada kelas dengan kemiripan visual yang tinggi. Temuan ini menunjukkan bahwa pendekatan CNN, khususnya dengan arsitektur ResNet50V2, memiliki potensi yang kuat sebagai solusi sistem identifikasi otomatis dalam sektor peternakan, terutama dalam mendorong digitalisasi dan efisiensi manajemen ternak.]]>
Copyrights © 2025
