Optimasi Model Transfer Learning untuk Klasifikasi Citra Digital Kulit Sapi dalam Deteksi Indikasi Lumpy Skin Disease

Muhammad Ramdhan, Bintang (2026) Optimasi Model Transfer Learning untuk Klasifikasi Citra Digital Kulit Sapi dalam Deteksi Indikasi Lumpy Skin Disease. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Restricted to Registered users only Download (542kB)
	PDF BAB_I.pdf Download (255kB)
	PDF BAB_II.pdf Download (475kB)
	PDF BAB_III.pdf Restricted to Registered users only Download (437kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (3MB)
	PDF BAB_V.pdf Restricted to Registered users only Download (224kB)
	PDF DAFTAR_PUSTAKA.pdf Restricted to Registered users only Download (262kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (462kB)
	Archive (ZIP) 00000082200_2521_LembarPengesahan.pdf Restricted to Registered users only Download (64kB)

Abstract

Lumpy Skin Disease (LSD) merupakan penyakit kulit menular pada sapi yang dapat menurunkan produktivitas ternak dan menimbulkan kerugian ekonomi. Deteksi dini terhadap LSD penting dilakukan untuk mendukung pemantauan penyakit, tetapi pemeriksaan manual masih bergantung pada pengamatan visual dan pengalaman pengamat. Penelitian ini bertujuan untuk mengoptimasi model transfer learning dalam mendeteksi LSD pada sapi menggunakan citra digital melalui strategi feature extraction dan fine-tuning. Dataset yang digunakan berasal dari Cow Health Dataset pada Kaggle dan dibatasi pada dua kelas, yaitu Healthy Cows dan Lumpy Skin Disease. Dataset melalui proses cleaning manual, pembagian data, preprocessing citra, augmentasi pada data training, serta penanganan ketidakseimbangan kelas menggunakan class weight. Model yang digunakan dalam penelitian ini terdiri atas CNN Baseline, DenseNet121, EfficientNetV2S, InceptionV3, ResNet50, dan Xception. Evaluasi model dilakukan menggunakan accuracy, precision, recall, F1-score, AUC, confusion matrix, inference speed, serta Grad-CAM sebagai analisis interpretabilitas pendukung. Hasil pengujian pada testing set internal menunjukkan bahwa EfficientNetV2S memperoleh performa terbaik dengan accuracy sebesar 97,16%, precision weighted sebesar 97,26%, recall weighted sebesar 97,16%, F1-score weighted sebesar 97,18%, F1-score macro sebesar 96,77%, dan AUC sebesar 0,9969. Pengujian inference tambahan pada dataset eksternal menunjukkan bahwa EfficientNetV2S tetap mempertahankan performa yang baik dengan accuracy sebesar 92,09%, sedangkan visualisasi Grad-CAM menunjukkan bahwa model memperhatikan area kulit yang relevan dengan karakteristik LSD. Dengan demikian, EfficientNetV2S direkomendasikan sebagai model yang paling sesuai dalam penelitian ini berdasarkan dataset, konfigurasi pelatihan, performa testing internal, efisiensi inference, dan analisis interpretabilitas.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Muhammad Ramdhan, Bintang (00000082200)
Contributors:	Irmawati, Irmawati
Keywords:	Computer Vision, Lumpy Skin Disease, Transfer Learning
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 004 Computer Science, Data Processing, Hardware > 004.2 Systems Analysis and Design, Information Architecture, Performance Evaluation
Divisions:	Faculty of Engineering & Informatics > Information System
Date Deposited:	18 Jul 2026 07:59
URI:	https://kc.umn.ac.id/id/eprint/47739

Actions (login required)

View Item