Perbandingan Model EfficientNetV2B0 dan ResNet50 untuk Klasifikasi Citra Penyakit Mulut dan Kuku pada Sapi

Farhan Kumara Abdiel (Universitas Nusantara PGRI Kediri)
Ratih Kumalasari Niswatin (Universitas Nusantara PGRI Kediri)
Danar Putra Pamungkas (Universitas Nusantara PGRI Kediri)

Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi)
Vol. 10 No. 3 (2026): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2026

Abstrak—Penyakit Mulut dan Kuku (PMK) merupakan penyakit menular pada hewan ternak yang berdampak besar terhadap perekonomian peternak. Deteksi dini berbasis citra digital menggunakan deep learning menjadi pendekatan yang menjanjikan untuk mendukung identifikasi PMK secara cepat dan efisien. Penelitian ini membandingkan dua arsitektur Convolutional Neural Network (CNN), yaitu EfficientNetV2B0 dan ResNet50, dalam mengklasifikasikan citra sapi ke dalam empat kelas: Kuku_PMK, Kuku_Sehat, Mulut_PMK, dan Mulut_Sehat. Dataset berjumlah 406 citra asli yang kemudian diperbesar menjadi 2.400 citra melalui augmentasi offline, dengan pembagian 80:20 untuk data latih dan validasi. Kedua model dilatih menggunakan transfer learning dua fase dengan optimizer Adam dan teknik fine-tuning. Hasil evaluasi menunjukkan bahwa ResNet50 mencapai akurasi 92,50% dan F1-score makro 0,93, sedangkan EfficientNetV2B0 menghasilkan akurasi 91,25% dengan F1-score makro 0,92. Meskipun ResNet50 unggul secara akurasi, EfficientNetV2B0 lebih efisien dari sisi jumlah parameter, menjadikannya kandidat potensial untuk implementasi pada perangkat dengan sumber daya terbatas.