PEMBUATAN MODEL DETEKSI GEJALA AWAL PENYAKIT MULUT DAN KUKU PADA SAPI BERBASIS CITRA MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK

Zebua, Helviani (2023) PEMBUATAN MODEL DETEKSI GEJALA AWAL PENYAKIT MULUT DAN KUKU PADA SAPI BERBASIS CITRA MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK. S1 thesis, Sistem Informasi.

	Text F1E119051_Helviani Zebua_Skripsi.pdf Download (2MB)
	Text COVER.pdf Download (2MB)
	Text PENGESAHAN.pdf Download (66kB)
	Text RINGKASAN.pdf Download (89kB)
	Text BAB I.pdf Download (202kB)
	Text BAB V.pdf Download (95kB)
	Text DAFTAR PUSTAKA.pdf Download (110kB)

Abstract

Penyakit Mulut dan Kuku (PMK) merupakan penyakit yang sangat menular dan disebabkan oleh virus penyakit mulut dan kuku, yaitu Foot and Mouth Disease Virus (FMDV) pada hewan berkuku belah. Sejak tahun 1887, Indonesia beberapa kali mengalami wabah PMK. Tersebarnya PMK ke populasi hewan rentan di Indonesia dengan cepat disebabkan oleh benda yang terkontaminasi virus PMK serta lalu lintas hewan dan produknya. Untuk meminimalisir penyebaran PMK, diperlukan pendeteksian PMK sedini mungkin. Dalam kasus pendeteksian objek, salah satu metode yang dapat digunakan adalah Convolutional Neural Network (CNN). CNN dapat bekerja lebih baik dalam pembuatan model dengan dataset citra dibandingkan dengan jenis algoritma neural network lainnya karena jaringan pada metode CNN mengkhususkan neuron untuk mengenali bentuk citra (pada tahap konvolusi). Penelitian ini dilakukan untuk menemukan arsitektur model deteksi gejala awal PMK pada sapi dengan metode CNN dengan akurasi model terbaik dalam pendeteksian gejala awal PMK pada sapi. Hasil penelitian ini menunjukkan bahwa penambahan jumlah epoch dan nilai batch size dapat mempengaruhi akurasi dari model CNN. Pada penelitian ini, jumlah epoch 20 dan nilai batch size 32 menghasilkan akurasi terbaik dengan nilai akurasi training sebesar 99% dan akurasi pengujian pada 22 citra adalah sebesar 91%.

Type:	Thesis (S1)
Subjects:	L Education > L Education (General)
Divisions:	Fakultas Sains dan Teknologi > Sistem Informasi
Depositing User:	ZEBUA
Date Deposited:	18 Jan 2023 04:03
Last Modified:	18 Jan 2023 04:03
URI:	https://repository.unja.ac.id/id/eprint/44414

Actions (login required)

View Item