Implementasi CNN Model Resnet50 Klasifikasi Citra Penyakit Lumpy Skin Disease Pada Sapi

willi novrian; Yusran  Panca Putra; Agus  Susanto; Julia  Purnama Sari; Rifaldo  Pratama

doi:10.55382/jurnalpustakaai.v6i1.1874

Penulis

willi novrian universitas bengkulu
Yusran Panca Putra Universitas Bengkulu
Agus Susanto Universitas Bengkulu
Julia Purnama Sari Universitas Bengkulu
Rifaldo Pratama Universitas Islam Sumatera Barat

DOI:

https://doi.org/10.55382/jurnalpustakaai.v6i1.1874

Kata Kunci:

Lumpy Skin Disease, Sapi, Convolutional Neural Network, ResNet-50, Deep Learning

Abstrak

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.

Unduhan

Data unduhan belum tersedia.

Referensi

Adebiyi, A., Abdalnabi, N., Smith, E. H., Hirner, J., Simões, E. J., Becevic, M., & Rao, P. (2024). Accurate Skin Lesion Classification Using Multimodal Learning on the HAM10000 Dataset. https://doi.org/10.1101/2024.05.30.24308213

Asra, R., & Irwan, Muh. (2022). Analisa Potensi Jerami Padi Sebagai Pakan Ternak Sapi Potong Melalui Pendekatan Sistem Informasi Geografis Di Kabupaten Sidenreng Rappang. Jurnal Sains Dan Teknologi Industri Peternakan, 2(1), 29–35. https://doi.org/10.55678/jstip.v2i1.622

Dondapati, R. D., Sivaprakasam, T., & Kumar, K. V. (2024). Dermatological Decision Support Systems Using CNN for Binary Classification. Engineering Technology & Applied Science Research, 14(3), 14240–14247. https://doi.org/10.48084/etasr.7173

Efendi, R. (2023). Penerapan Algoritma Convolutional Neural Network Arsitektur ResNet-50 untuk Klasifikasi Citra Daging Sapi dan Babi. JURIKOM (Jurnal Riset Komputer), 10(3). Tersedia di: https://ejurnal.stmik-budidarma.ac.id/index.php/jurikom/article/view/4176

Gambo, P., Maguda, A. S., Adole, J. A., Dyek, D. Y., Ifende, V. I., Bot, C. J., & Adedeji, A. (2018). A Survey of Viral Diseases of Livestock Characterized by Skin Lesions in Kanam Local Government Area of Plateau State, Nigeria. Nigerian Veterinary Journal, 39(3), 250–262. https://doi.org/10.4314/nvj.v39i3.8

Imran, M., Hashmi, A. H., Khalique, F., & Iqbal, M. Z. (2022). Lumpy Skin Disease Emerging Problem in Pakistan. https://doi.org/10.21203/rs.3.rs-1904208/v1

Sendow, I., Assadah, N. S., Ratnawati, A., Dharmayanti, N. I., & Saepulloh, M. (2021). Lumpy Skin Disease: Ancaman Penyakit Emerging Bagi Kesehatan Ternak Sapi Di Indonesia. Indonesian Bulletin of Animal and Veterinary Sciences, 31(2), 85. https://doi.org/10.14334/wartazoa.v31i2.2739

Aritonang, M. A. S., Abrar Masril, M., Chaniago, D., Marshall Al Karim, M., Mahani Cunis, V., & Surgiwe, S. (2023). Perancangan Sistem Pendeteksi Penyakit Pada Rumput Laut Dengan Menggunakan Metode Convolutional Neural Network. Jurnal Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence), 5(2), 408–417. https://doi.org/10.55382/jurnalpustakaai.v5i2.1160

Sentoso, T., Ardiansyah, F., Tamuntuan, V., Wangsa, S. S., Kusrini, K., & Kusnawi, K. (2024). Identification of Lumpy Skin Disease in Cattle With Image Classification Using the Convolutional Neural Network Method. Sistemasi, 13(3), 864. https://doi.org/10.32520/stmsi.v13i3.2569

Sugiharto, B. H., Solekan, M., Muslimin, Moh., & Hamzali, S. (2023). Pengaruh Peran Manajemen Produksi Dan Faktor Lingkungan Dalam Meningkatkan Efisiensi Dan Keberlanjutan Usaha Peternakan Sapi Di Jawa Timur. Jurnal Multidisiplin West Science, 2(11). https://doi.org/10.58812/jmws.v2i11.784

Uddin, M. A., Islam, Md. A., Rahman, A. K. M. A., Rahman, M. M., Khasruzzaman, A. K. M., Ward, M. P., & Hossain, M. T. (2022). Epidemiological Investigation of Lumpy Skin Disease Outbreaks in Bangladeshi Cattle During 2019–2020. Transboundary and Emerging Diseases, 69(6), 3397–3404. https://doi.org/10.1111/tbed.14696

Ardiansyah, H., & Desyani, T. (2025). Transfer Learning Menggunakan Model VGG16 untuk Klasifikasi Citra Hewan. Jurnal Pustaka AI, 5(2), 441–448. https://doi.org/10.55382/jurnalpustakaai.v5i2.1174

Widianingrum, D. C., & Septio, R. W. (2023). Peran Peternakan Dalam Mendukung Ketahanan Pangan Indonesia: Kondisi, Potensi, Dan Peluang Pengembangan. National Multidisciplinary Sciences, 2(3), 285–291. https://doi.org/10.32528/nms.v2i3.298

Yusuf, M., & Utaminingrum, F. (2024). Deteksi Fase Estrus pada Sapi Betina berbasis Raspberry Pi menggunakan Deep Learning dengan ResNet-50. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 8(2). Tersedia di: https://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/13303

Faturohman, A., Anggreani, D., & Yusliana Bakt, R. (2025). Model Deep Learning Berbasis Convolutional Neural Network Untuk Identifikasi Stroke Iskemik Pada Citra CT Scan. Jurnal Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence), 5(2), 290–297. https://doi.org/10.55382/jurnalpustakaai.v5i2.1150