RIFDHA TURRIZKA (2024) KLASIFIKASI DETEKSI PENYAKIT KULIT KUCING LIAR MENGGUNAKAN METODE DEEP LEARNING BERBASIS GOOGLE COLAB. S1 thesis, Universitas Muhammadiyah Yogyakarta.

[thumbnail of Halaman Judul] Text (Halaman Judul)
Halaman Judul.pdf
Download (744kB)
[thumbnail of Lembar Pengesahan] Text (Lembar Pengesahan)
Lembar Pengesahan.pdf
Restricted to Registered users only
Download (99kB)
[thumbnail of Abstrak] Text (Abstrak)
Abstrak.pdf
Restricted to Registered users only
Download (127kB)
[thumbnail of Bab I] Text (Bab I)
Bab I.pdf
Download (153kB)
[thumbnail of Bab II] Text (Bab II)
Bab II.pdf
Restricted to Registered users only
Download (713kB)
[thumbnail of Bab III] Text (Bab III)
Bab III.pdf
Restricted to Registered users only
Download (1MB)
[thumbnail of Bab IV] Text (Bab IV)
Bab IV.pdf
Restricted to Registered users only
Download (567kB)
[thumbnail of Bab V] Text (Bab V)
Bab V.pdf
Restricted to Registered users only
Download (99kB)
[thumbnail of Daftar Pustaka] Text (Daftar Pustaka)
Daftar Pustaka.pdf
Restricted to Registered users only
Download (153kB)
[thumbnail of Lampiran] Text (Lampiran)
Lampiran.pdf
Restricted to Registered users only
Download (126kB)
[thumbnail of Naskah Publikasi] Text (Naskah Publikasi)
Naskah Publikasi.pdf
Restricted to Registered users only
Download (692kB)
[thumbnail of Full Text] Text (Full Text)
Full Text.pdf
Restricted to Repository staff only
Download (2MB)

Abstract

Penyakit kulit merupakan masalah kesehatan yang dialami pada makhluk hidup khususnya pada kucing liar. Menurut hasil research terdapat 34.6 persen data yang tercatat kucing mengalami infeksi kulit yang ada di Indonesia. Penyakit kulit dapat menyebabkan perubahan kulit dengan berkurangnya pertumbuhan rambut kucing. Penelitian ini bertujuan untuk memperoleh perancangan klasifikasi deteksi penyakit kulit yang dialami oleh kucing liar sebagai pemeriksaan medis menggunakan model CNN dalam metode deep learning. Berdasarkan permasalahan, penulis berinovasi mengembangkan konsep klasifikasi deteksi penyakit kulit pada kucing liar dengan menggunakan metode deep learning berbasis google colab. Metodologi yang digunakan dalam penelitian ini memanfaatkan 378 dataset yang terdiri dari 6 jenis kelas yang diteliti berupa 5 kelas penyakit (abscesses, mange, ringtown, skin tumors, dermatitis) dan 1 tipe kulit sehat yang diterapkan pada algoritma CNN arsitektur ResNet50. Pada tahap validasi data, model CNN arsitektur ResNet50 yang telah dilatih pada platform Google Collaboratory dapat memprediksi seluruh citra yang berada pada folder untuk melakukan training dan validasi data. Berdasarkan hasil penelitian yang dilakukan pada hasil training yang diperoleh hasil nilai akurasi sebesar 99 persen, loss sebesar 8.8 persen dan hasil confusion matrix yang dilakukan mendapatkan hasil akurasi sebesar 89 persen, presisi sebesar 88 persen dan recall sebesar 86 persen dan f1-score sebesar 87 persen.

Dosen Pembimbing: Ir. Karisma Trinanda Putra, S.ST., M.T., Ph.D. | NIDN
Item Type: Thesis (S1)
Uncontrolled Keywords: Deep Learning, Convolutional Neural Network, Klasifikasi Kulit, Penyakit Kulit, Google Collaboratory, ResNet50
Divisions: Fakultas Teknik > S1 Teknik Elektro
Depositing User: Aidilla Qurotianti
Date Deposited: 29 May 2024 06:36
Last Modified: 29 May 2024 06:36
URI: https://etd.umy.ac.id/id/eprint/45668

Actions (login required)

View Item View Item