FKPTFKPT

Bulletin of Information Technology (BIT)Bulletin of Information Technology (BIT)

Industri sapi diseluruh dunia menghadapi ancaman besar dari penyakit mulut dan kuku (PMK) karena virus menular. Di Kabupaten Sumbawa puncak PMK terjadi pada tahun 2022 sejumlah 12.814 ekor. Skrining pada PMK sangat penting dilakukan untuk deteksi dini dan pengobatan dini. Saat ini, deteksi yang dilakukan oleh petugas kesehatan hewan masih bersifat manual yang membutuhkan waktu 48 jam per satu hewan untuk mendapatkan hasil diagnosis dan rentan terhadap kesalahan. Tujuan peneliti akan membuat Prototype Sistem Deteksi Otomatis yang meliputi Aplikasi sistem deteksi otomatis penyakit mulut dan kuku (PMK) menggunakan App Designer (GUI) system-MATLAB dalam membantu Petugas Kesehatan Hewan saat mendiagnosis hewan yang terserang PMK, menghemat waktu, biaya dan hewan terselamatkan. Metode yang dius pthread untuk mengekstrak fitur pembeda sapi secara otomatis dan klasifikasi apakah sapi tersebut sakit atau sehat dengan memanfaatkan keunggulan model Convolutional Neural Network (CNN). Berdasarkan hasil evaluasi sistem yang dibangun, sistem yang diusul dengan menggunakan algoritma Convolutional Neural Network memiliki performa lebih baik dengan akurasi (100%) dari aplikasi WEKA yaitu SMO dengan akurasi (90%), IBk (87%), Trees.J48 (86%) dan Naive Bayes (79%). Oleh karena itu, teknik untuk pemrosesan citra digital yang sangat efisien dan akurat harus digunakan untuk menghasilkan skrining penyakit PMK yang efektif. Sistem pendukung keputusan yang diusulkan untuk skrining klinis ini diharapkan dapat memberikan kontribusi yang signifikan dan membantu mengurangi beban kerja Petugas Kesehatan Hewan saat deteksi penyakit mulut dan kuku PMK.

Pengujian menggunakan dataset pakar dengan CNN menghasilkan akurasi 100%, melebihi algoritma WEKA seperti SMO (90%), IBk (87%) dan Trees.Sistem deteksi otomatis berbasis CNN terbukti lebih efisien dan akurat dibandingkan penganalisis manual, mengurangi waktu diagnosis dan risiko kesalahan.Keterbatasan utama penelitian terletak pada ukuran dataset yang kecil dan kurang variatif, sehingga hasil 100% perlu diverifikasi dengan data yang lebih besar dan beragam.

Pertama, perluasan dataset citra digital PMK melalui kerja sama dengan peternakan, lembaga kesehatan hewan, dan petugas lapangan akan meningkatkan ukuran dan keragaman data, sehingga model CNN dapat dilatih lebih representatif dan mengurangi risiko overfitting. Kedua, penelitian lebih lanjut tentang arsitektur jaringan saraf konvolusional yang lebih ringan, seperti MobileNetV3 atau EfficientNet‑B0, dapat meminimalkan memori dan mempercepat inferensi, memudahkan penerapan aplikasi pada perangkat mobile atau edge device di lapangan. Ketiga, integrasi multimodal dengan data sensor tambahan (suhu tubuh, suara,કડ અને metadata keberadaan hewan) bersama citra digital dapat memberikan konteks klinis lebih kaya, meningkatkan akurasi dan sensitivitas deteksi. Keempat, implementasi sistem deteksi berbasis real‑time pada aplikasi mobile atau web akan memberikan kemudahan skrining segera di lokasi, mengurangi waktu tunggu diagnosis manual. Kelima, validasi lapangan dengan uji klinis pada kelompok hewan yang belum pernah diuji sebelumnya akan menilai performa sistem secara objektif di kondisi nyata. Keseluruhan, pengembangan tersebut diharapkan memperkuat solusi skrining PMK, memperpanjang jangkauan layanan kesehatan hewan, dan menurunkan beban kerja petugas kesehatan hewan.

  1. Kasus penyakit mulut dan kuku di Indonesia: epidemiologi, diagnosis penyakit, angka kejadian, dampak... doi.org/10.25047/animpro.2022.331Kasus penyakit mulut dan kuku di Indonesia epidemiologi diagnosis penyakit angka kejadian dampak doi 10 25047 animpro 2022 331
  2. Client Challenge. client challenge javascript disabled browser please enable proceed required part site... link.springer.com/10.1007/s11259-022-10010-zClient Challenge client challenge javascript disabled browser please enable proceed required part site link springer 10 1007 s11259 022 10010 z
  3. "A Comprehensive Review of Software Development Life Cycle methodologie" by Qahtan M. Yas,... ijcsm.researchcommons.org/ijcsm/vol4/iss4/14A Comprehensive Review of Software Development Life Cycle methodologie by Qahtan M Yas ijcsm researchcommons ijcsm vol4 iss4 14
  4. Image Detection for Common Human Skin Diseases in Indonesia Using CNN and Ensemble Learning Method |... doi.org/10.47065/josyc.v3i4.2151Image Detection for Common Human Skin Diseases in Indonesia Using CNN and Ensemble Learning Method doi 10 47065 josyc v3i4 2151
Read online
File size642.94 KB
Pages8
DMCAReport

Related /

ads-block-test