Klasifikasi Jenis Penyakit Kulit Pada Kucing Menggunakan Metode CNN Yang Dioptimalkan Dengan PSO

Abstract

Penyakit kulit pada kucing merupakan infeksi yang menyerang permukaan kulit dan dapat menular ke hewan lain maupun manusia. Dalam proses identifikasi, kemiripan visual antar jenis penyakit sering menyulitkan klasifikasi manual. dengan itu penelitian ini bertujuan untuk menerapkan metode CNN dan CNN yang dioptimasi dengan PSO untuk mengklasifikasikan lima jenis penyakit kulit kucing, yaitu abses, dermatitis alergi, feline acne, ringworm, dan scabies untuk mempermudah identifikasi. CNN digunakan sebagai metode ekstraksi fitur sekaligus klasifikasi, sedangkan PSO digunakan untuk mengoptimasi parameter learning rate dan dropout. Dataset terdiri dari 5.415 citra hasil augmentasi, dengan 70% data latih, 15% data validasi, dan 15% data uji. Hasil terbaik diperoleh pada model CNNPSO dengan akurasi uji sebesar 99,08% dan loss 0,0475. Sementara CNN murni mencapai akurasi uji 98,65% dengan loss 0,2951. Evaluasi model menggunakan confusion matrix menunjukkan nilai precision, recall, dan f1-score berada di atas 98% - 100% untuk kedua model. Nilai AUC-ROC pada kedua model mencapai 1,00 untuk semua kelas. Hasil ini menunjukkan bahwa optimasi PSO dapat meningkatkan performa CNN dalam klasifikasi citra penyakit kulit kucing.