Search for collections on Repository Library PCR

PERANCANGAN SISTEM DETEKSI PENYAKIT KULIT PADA KUCING MENGGUNAKAN DEEP LEARNING BERBASIS ANDROID

Pangestu, Irgi Yoga (2023) PERANCANGAN SISTEM DETEKSI PENYAKIT KULIT PADA KUCING MENGGUNAKAN DEEP LEARNING BERBASIS ANDROID. Diploma thesis, Politeknik Caltex Riau.

[thumbnail of Laporan PA (Proyek Akhir)] Text (Laporan PA (Proyek Akhir))
Irgi Yoga Pangestu_4TIB_Laporan PA_FINAL - A5.pdf - Submitted Version
Restricted to Registered users only

Download (3MB)
[thumbnail of Poster PA] Image (Poster PA)
Poster PA Irgi Yoga Pangestu.jpg - Submitted Version
Restricted to Registered users only

Download (947kB)

Abstract

Penyakit kulit merupakan jenis penyakit yang sering dialami oleh makhluk hidup terutama kucing. Kucing salah satu hewan yang paling banyak dipelihara oleh manusia. Berdasarkan hasil survei berupa kuisoner yang disebarkan ke orang-orang yang memiliki kucing atau penyayang kucing, terdapat sekitar 65% dari 20 responden mengatakan kalau kucing peliharaannya pernah mengalami penyakit kulit dan sekitar 65% dari 20 responses mengatakan kesulitan mengenali penyakit kulit pada kucing. Pemilik atau pecinta kucing melakukan identifikasi penyakit kulit pada kucing dengan cara manual menggunakan indra penglihatan yaitu mata. Karena gejala penyakit kulit pada kucing memiliki kesamaan antar jenis penyakit, hal itu membuat pemilik atau pecinta kucing ragu atau salah mengenali jenis penyakit kulit pada kucing. Yang mengakibatkan pecinta kucing salah memberikan pertolongan pertama atau memberi obat. Hal ini bisa menyebabkan kucing bukan menjadi lebih sehat melainkan bisa bertambah parah. Solusi untuk mengatasi masalah tersebut dalam proses identifikasi penyakit kulit pada kucing, penulis akan mengimplementasikan Deep Learning dengan menggunakan algoritma Convolutional Neural Network (CNN) untuk melakukan deteksi penyakit kulit pada kucing. Untuk mempermudah dalam pemakaiannya dibuat dalam bentuk aplikasi android. Berdasarkan hasil pengujian pada confusion matrix didapatkan akurasi sebesar 78,33%, presisi sebesar 76,96%, dan recall sebesar 74,94%.

Item Type: Thesis (Diploma)
Subjects: KBK > KBK Jurusan Teknologi Informasi > KBK Soft Computing
Divisions: Sarjana Terapan > Jurusan Teknologi Informasi > Teknik Informatika
Depositing User: Irgi Yoga Pangestu
Date Deposited: 01 Aug 2023 09:38
Last Modified: 02 Aug 2023 02:55
URI: http://repository.lib.pcr.ac.id/id/eprint/166

Actions (login required)

View Item
View Item