cover
Contact Name
Arif Budiman
Contact Email
pustakateknologiai@gmail.com
Phone
+6281374373837
Journal Mail Official
pustakateknologiai@gmail.com
Editorial Address
Jl. Batu Kasek Blok E 11 Padang
Location
Kota padang,
Sumatera barat
INDONESIA
Jurnal Pustaka AI : Pusat Akses Kajian Teknologi Artificial Intelligence
Published by Pustaka Galeri Mandiri
ISSN : -     EISSN : 28094069     DOI : https://doi.org/10.55382/jurnalpustakaai
Jurnal Pustaka AI adalah sebuah jurnal Double blind peer-review yang didedikasikan untuk publikasi hasil Penelitian yang berkualitas khusus bidang ilmu Teknologi Artificial Intelligence . Semua publikasi di Jurnal Pustaka AI bersifat akses terbuka yang memungkinkan artikel tersedia secara bebas online tanpa berlangganan apapun. Jurnal Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) menerima naskah artikel setiap saat yang akan diterbitkan secara berkala tiga kali setahun yaitu pada bulan April, Agustus, dan Desember.
Articles 151 Documents
Implementasi CNN Model Resnet50 Klasifikasi Citra Penyakit Lumpy Skin Disease Pada Sapi novrian, willi; Panca Putra, Yusran; Susanto, Agus; Purnama Sari, Julia; Pratama, Rifaldo
Jurnal Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) Vol 6 No 1 (2026): Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence)
Publisher : Pustaka Galeri Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55382/jurnalpustakaai.v6i1.1874

Abstract

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.