IMPLEMENTASI METODE CONVOLUTIONAL NEURAL NETWORK (CNN) DENSENET121 PADA DIAGNOSA PENYAKIT AYAM (MANUR)

Nani Mintarsih(1), Davis Donovan MS(2), Yuli Maharetta Ariani(3), Atiqah Meutia Hilda(4*),

(1) Program Studi Sistem Informatika Fakultas Ilmu Komputer dan Teknologi Informasi, Universitas Gundarma, Depok, Indonesia
(2) Program Studi Teknik Informatika Fakultas Ilmu Komputer dan Teknologi Informasi, Universitas Gundarma, Depok, Indonesia
(3) Program Studi Manajemen Informatika Fakultas Ilmu Komputer dan Teknologi Informasi, Universitas Gundarma, Depok, Indonesia
(4) Program Studi Teknik Informatika, Universitas Muhammadiyah Prof. Dr. HAMKA
(*) Corresponding Author

Abstract


Chickens are pivotal in the livestock sector, yet they are susceptible to a range of illnesses that can lead to financial losses and animal welfare issues. Hence, a new application has been created to diagnose chicken diseases by analyzing their fecal images. The primary goal of this app is to offer enhanced guidance for chicken care using machine learning techniques, specifically employing the Convolutional Neural Network (CNN) DenseNet121 model. This advancement aims to benefit both chicken farmers and those intrigued by poultry farming. Equipped with a scanning feature, the app enables users to capture images of chicken feces using their smartphones. Through this, users can determine whether the feces indicate disease presence or signify good health. Furthermore, the application includes informative articles on various chicken ailments like Coccidiosis, Newcastle Disease, and Salmonella to educate users. Compatible with Android devices, this application caters to a wide audience.

 

ABSTRAK

Ayam adalah salah satu hewan ternak yang memiliki peran penting dalam industri peternakan. Namun, ayam rentan terhadap berbagai penyakit yang dapat menyebabkan kerugian ekonomi dan kesejahteraan hewan. Oleh karena itu, sebuah aplikasi telah dikembangkan dengan tujuan melakukan diagnosis penyakit pada ayam melalui analisis citra kotorannya. Tujuan utama dari aplikasi ini adalah untuk memberikan panduan yang lebih baik dalam merawat kesehatan ayam dengan menggunakan pendekatan machine learning menggunakan model Convolutional Neural Network (CNN) DenseNet121. Diharapkan bahwa inovasi ini akan memberikan manfaat bagi peternak ayam dan masyarakat yang tertarik dalam pemeliharaan ayam. Aplikasi ini dilengkapi dengan fitur scan yang memungkinkan pengguna untuk mengambil gambar atau foto kotoran ayam menggunakan smartphone mereka. Aplikasi tersebut akan membantu pengguna untuk mengidentifikasi apakah kotoran ayam tersebut terinfeksi penyakit atau sehat. Selain itu, aplikasi ini juga menyediakan fitur artikel yang bertujuan untuk memberikan pengetahuan kepada pengguna tentang berbagai jenis penyakit pada ayam, seperti Coccidiosis, penyakit Newcastle Disease, dan Salmonella. Aplikasi ini kompatibel dengan perangkat yang menjalankan sistem operasi Android.


Keywords


Application, Diagnosis, Chicken Diseases, Image, C-Ditech.

Full Text:

PDF

References


Ardian, R., Atma, C., Ningtyas, N. S. I., & Agustin, A. L. D. (2022). Dampak Pandemi COVID-19 Terhadap Peternakan Ayam Pedaging Di Kecamatan Alas Kabupaten Sumbawa Besar. Mandalika Veterinary Journal, 2(1). https://doi.org/10.33394/mvj.v2i1.5149

He, P., Chen, Z., Yu, H., Hayat, K., He, Y., Pan, J., & Lin, H. (2022). Research Progress in the Early Warning of Chicken Diseases by Monitoring Clinical Symptoms. In Applied Sciences (Switzerland) (Vol. 12, Issue 11). https://doi.org/10.3390/app12115601

Huang, G., Liu, Z., Van Der Maaten, L., & Weinberger, K. Q. (2017). Densely connected convolutional networks. Proceedings - 30th IEEE Conference on Computer Vision and Pattern Recognition, CVPR 2017, 2017-January. https://doi.org/10.1109/CVPR.2017.243

Mead, P. S., Slutsker, L., Dietz, V., McCaig, L. F., Bresee, J. S., Shapiro, C., Griffin, P. M., & Tauxe, R. V. (2000). Food-related illness and death in the United States (Reprinted from Emerging Infectious Diseases). Journal of Environmental Health, 62(7).

Mulyani, E. D. S., Mufizar, T., Sumaryana, Y., Awaludin, R., & Sarmidi. (2023). Sistem Pakar Diagnosa Penyakit Pada Ayam Pedaging Berbasis Web Menggunakan Metode Certainty Factor. Jurnal Sistem Informasi Dan Teknologi Informasi, 12(1).

Mustopa, A., Sasongko, A., Nawawi, H. M., Wildah, S. K., & Agustiani, S. (2023). Chicken Disease Detection Based on Fases Image Using EfficientNetV2L Model. SISTEMASI, 12(3). https://doi.org/10.32520/stmsi.v12i3.2807

Nazir, M., Putri, S. F., & Malik, D. (2022). Perancangan Aplikasi E-VOTING Menggunakan Diagram UML (Unified Modelling Language). Jurnal Ilmiah Komputer Terapan Dan Informasi, 1(1).

Rada, R. (2024). The Software Life Cycle. In Re-Engineering Software. https://doi.org/10.4324/9781315062839-3

Tian, Y. (2020). Artificial Intelligence Image Recognition Method Based on Convolutional Neural Network Algorithm. IEEE Access, 8. https://doi.org/10.1109/ACCESS.2020.3006097

Wahid, A. A. (2020). Analisis Metode Waterfall Untuk Pengembangan Sistem Informasi. Jurnal Ilmu-Ilmu Informatika Dan Manajemen STMIK, November.




DOI: https://doi.org/10.37365/jti.v10i1.252

Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License. .

klik4d