FARHAN NURHAIDI (2024) KLASIFIKASI PENYAKIT KULITPADA KUCING LIAR MENGGUNAKAN MODELCONVOLUTIONAL NEURAL NETWORK (CNN)DENGAN METODE DEEP LEARNING. D3 thesis, Universitas Muhammadiyah Yogyakarta.

[thumbnail of Halaman Judul] Text (Halaman Judul)
Halaman Judul.pdf
Download (506kB)
[thumbnail of Lembar Pengesahan] Text (Lembar Pengesahan)
Lembar Pengesahan.pdf
Restricted to Registered users only
Download (695kB)
[thumbnail of Abstrak] Text (Abstrak)
Abstrak.pdf
Restricted to Registered users only
Download (179kB)
[thumbnail of Bab I] Text (Bab I)
Bab I.pdf
Download (168kB)
[thumbnail of Bab II] Text (Bab II)
Bab II.pdf
Restricted to Registered users only
Download (731kB)
[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 (676kB)
[thumbnail of Bab V] Text (Bab V)
Bab V.pdf
Restricted to Registered users only
Download (137kB)
[thumbnail of Daftar Pustaka] Text (Daftar Pustaka)
Daftar Pustaka.pdf
Restricted to Registered users only
Download (182kB)
[thumbnail of Lampiran] Text (Lampiran)
Lampiran.pdf
Restricted to Registered users only
Download (204kB)
[thumbnail of Naskah Publikasi] Text (Naskah Publikasi)
Naskah Publikasi.pdf
Restricted to Registered users only
Download (1MB)
[thumbnail of Full Text] Text (Full Text)
Full Text.pdf
Restricted to Repository staff only
Download (3MB)

Abstract

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%.

Dosen Pembimbing: Karisma Trinanda Putra, , Ir., S.ST., M.T., Ph.D. | NIDN0519069003
Item Type: Thesis (D3)
Uncontrolled Keywords: Deep Learning, Skin Classification, Skin Diseases, Google Collaboratory, ResNet50
Divisions: Fakultas Teknik > S1 Teknik Elektro
Depositing User: Eko Kurnawan
Date Deposited: 11 Jul 2024 07:41
Last Modified: 11 Jul 2024 07:41
URI: https://etd.umy.ac.id/id/eprint/46478

Actions (login required)

View Item View Item