Identifikasi Penyakit Ayam Berbasis Citra Feses Menggunakan Metode Convolutional Neural Network

Penyakit pada ayam dapat menurunkan produktivitas dan menyebabkan kerugian ekonomi di sektor peternakan. Metode identifikasi secara konvensional melalui pengamatan manual memiliki keterbatasan dari segi waktu, biaya, dan ketergantungan pada tenaga ahli. Penelitian ini mengusulkan sistem klasifikasi penyakit ayam berbasis citra kotoran menggunakan metode Convolutional Neural Network (CNN). Dataset yang digunakan terdiri dari 410 citra yang terbagi dalam empat kelas, yaitu Sehat, Newcastle Disease (ND), Kolera, dan Coryza. Setelah dilakukan augmentasi, jumlah
dataset meningkat menjadi 1.230 citra dan dibagi menjadi data pelatihan, validasi, dan pengujian dengan rasio 70:20:10. Model dikembangkan menggunakan arsitektur
Custom CNN dengan empat blok konvolusi yang dikombinasikan dengan Batch Normalization dan Dropout untuk meningkatkan performa serta mengurangi overfitting. Proses pelatihan menggunakan beberapa optimizer, yaitu Adam, Adamax,
SGD, dan RMSprop. Hasil penelitian menunjukkan bahwa RMSprop memperoleh akurasi pengujian tertinggi sebesar 100%, diikuti Adam sebesar 99,19%, sedangkan SGD dan Adamax menunjukkan performa yang lebih rendah. Hasil tersebut menunjukkan
bahwa CNN dengan optimizer RMSprop efektif dalam
mengklasifikasikan penyakit ayam berdasarkan citra kotoran.
Kata kunci: Klasifikasi citra, Convolutional Neural Network, Penyakit ayam, Deep learning, Optimasi