KLASIFIKASI PENYAKIT KULITPADA KUCING LIAR MENGGUNAKAN MODELCONVOLUTIONAL NEURAL NETWORK (CNN)DENGAN METODE DEEP LEARNING

Masalah kesehatan kulit sering dialami oleh makhluk hidup, terutama kucing liar. Berdasarkan hasil penelitian, 34,6% kucing di Indonesia tercatat mengalami infeksi kulit. Penyakit kulit dapat menyebabkan perubahan pada kulit serta penurunan pertumbuhan rambut kucing. Penelitian ini bertujuan untuk merancang sistem klasifikasi untuk mendeteksi penyakit kulit pada kucing liar menggunakan model CNN dalam metode Deep Learning. Dalam penelitian ini, penulis mengembangkan sistem deteksi penyakit kulit pada kucing liar dengan memanfaatkan metode Deep Learning yang dijalankan di Google Colab. Metodologi penelitian ini menggunakan 378 dataset yang terdiri dari 6 kelas, yaitu 5 kelas penyakit (abscesses, mange, ringtown, skin tumors, dermatitis) dan 1 kelas kulit sehat, yang diterapkan pada algoritma CNN dengan arsitektur ResNet50. Pada tahap validasi data, model CNN dengan arsitektur ResNet50 yang dilatih di platform Google Collaboratory mampu memprediksi seluruh gambar yang digunakan untuk pelatihan dan validasi data. Hasil penelitian menunjukkan nilai akurasi sebesar 99%, loss sebesar 8,8%, serta hasil confusion matrix menunjukkan akurasi sebesar 89%, presisi sebesar 88%, recall sebesar 86%, dan f1-score sebesar 87%.