<![CDATA[Sektor peternakan sapi memiliki peran vital dalam ketahanan pangan nasional, namun dihadapkan pada tantangan penyakit menular seperti Lumpy Skin Disease (LSD). Penyakit ini menyebabkan kerugian ekonomi akibat penurunan produksi dan biaya perawatan. Deteksi dini sangat diperlukan untuk mencegah penyebaran yang lebih luas. Penelitian ini bertujuan untuk mengimplementasikan dan menganalisis performa Convolutional Neural Network (CNN) menggunakan arsitektur ResNet-50 untuk mengklasifikasi citra penyakit kulit LSD pada ternak sapi dibandingkan dengan sapi sehat. Dataset yang digunakan bersumber dari Kaggle, terdiri dari 324 citra sapi terinfeksi LSD dan 700 citra sehat, yang dibagi menjadi 80% data latih dan 20% data uji. Model dilatih menggunakan pendekatan transfer learning dengan dua tahap: pembekuan (freeze) seluruh layer backbone selama 20 epoch, dilanjutkan dengan fine-tuning parsial selama 40 epoch. Hasil pengujian menunjukkan bahwa model mencapai akurasi keseluruhan sebesar 93,17%, dengan macro average precision 91,86%, recall 92,53%, dan F1-score 92,18%. Model terbukti mampu membedakan citra sapi sehat dan terinfeksi dengan tingkat sensitivitas yang tinggi. Penggunaan arsitektur ResNet-50 merupakan solusi inovatif dan efektif untuk mempercepat diagnosis LSD berbasis kecerdasan buatan.]]>
Copyrights © 2026
