Klasifikasi penyakit kulit sapi menggunakan metode CNN (Convolutional Neural Network)

INDONESIA:

Lumpy Skin Disease (LSD) merupakan penyakit kulit menular pada sapi yang disebabkan oleh virus dan dapat menimbulkan kerugian ekonomi signifikan bagi peternak. Deteksi dini penyakit ini secara visual masih bergantung pada keahlian tenaga ahli yang ketersediaannya terbatas, terutama di daerah terpencil. Penelitian ini mengembangkan sistem klasifikasi penyakit kulit sapi menggunakan Convolutional Neural Network (CNN) berbasis pendekatan transfer learning dengan arsitektur VGG16 dan VGG19. Dataset yang digunakan terdiri dari 1.024 citra kulit sapi yang terbagi menjadi dua kelas, yaitu Lumpy Skin (324 citra) dan Normal Skin (700 citra). Pengujian dilakukan melalui enam skenario dengan variasi arsitektur dan proporsi pembagian data (70:20:10, 75:15:10, dan 80:10:10). Seluruh skenario menggunakan parameter seragam, yaitu learning rate 0,0001, batch size 32, optimizer Adam, dan bobot pretrained ImageNet. Hasil terbaik diperoleh pada Skenario 2A menggunakan arsitektur VGG16 dengan proporsi data 75:15:10, yang mencapai akurasi 89,22%, macro average F1-score 0,860, dan precision kelas Lumpy Skin sempurna sebesar 1,0000. Model terbaik selanjutnya diimplementasikan ke dalam aplikasi web interaktif menggunakan Gradio dan berhasil mengklasifikasikan 10 citra uji dengan tingkat keberhasilan 100%.

ENGLISH:

Lumpy Skin Disease (LSD) is a contagious skin disease in cattle caused by a virus that can cause significant economic losses for farmers. Early visual detection of this disease still relies on the expertise of veterinary professionals whose availability is limited, especially in remote areas. This study develops a cattle skin disease classification system using Convolutional Neural Network (CNN) based on a transfer learning approach with VGG16 and VGG19 architectures. The dataset used consists of 1,024 cattle skin images divided into two classes, namely Lumpy Skin (324 images) and Normal Skin (700 images). Testing was carried out through six scenarios with variations in architecture and data split ratios of 70:20:10, 75:15:10, and 80:10:10. All scenarios used uniform parameters, namely a learning rate of 0.0001, batch size of 32, Adam optimizer, and ImageNet pretrained weights. The best results were obtained in Scenario 2A using the VGG16 architecture with a 75:15:10 data split ratio, achieving a accuracy of 89.22%, a macro average F1-Score of 0.860, and a perfect Lumpy Skin class precision of 1.000. The best model was subsequently implemented into an interactive web application using Gradio and successfully classified 10 new test images with a 100% success rate.

ARABIC:

مرض الجلد العفدي (LSD) هو مرض جلدي معدٍ يصيب الأبقار ناتج عن فيروس ويمكن أن يسبب خسائر اقتصادية كبيرة للمزارعين. يعتمد الكشف المبكر عن هذا المرض بصريًا على خبرة المتخصصين المتوفرة بشكل محدود، خاصة في المناطق النائية. هدف هذا البحث إلى تطوير نظام لتصنيف أمراض جلد الأبقار باستخدام الشبكة العصبية الالتفافية على أساس مدخل التعلم بالنقل مع بنية VGG16 وVGG19. تتكون مجموعة البيانات المستخدمة من 1,024 صورة لجلد الأبقار مقسمة إلى فئتين، وهما الجلد المتكتل (324 صورة) والجلد الطبيعي (700 صورة). وتم إجراء الاختبارات من خلال ستة سيناريوهات مع تنويعات في البنية النمطية ونسب تقسيم البيانات (70:20:10، 75:15:10، و80:10:10). جميع السيناريوهات استخدمت معايير موحدة، وهي معدل التعلم 0.0001، حجم الدفعة 32، المحسن آدم، والأوزان المدربة مسبقًا من ImageNet. تم الحصول على أفضل النتائج في السيناريو 3أ باستخدام بنية VGG16 مع نسبة بيانات 75:15:10، حيث حقق دقة 89.22٪، ومتوسط قيمة ف1 0.860، وثبات فئة الجلد المتكتل المثالي بنسبة 1.0000. تم بعد ذلك تطبيق أفضل نموذج في تطبيق ويب تفاعلي باستخدام Gradio، ونجح في تصنيف 10 صور اختبار بمعدل نجاح بلغ 100٪.