KLASIFIKASI DETEKSI PENYAKIT KULIT KUCING LIAR MENGGUNAKAN METODE DEEP LEARNING BERBASIS GOOGLE COLAB

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.