KLASIFIKASI LUMPY SKIN DISEASE PADA SAPI BERBASIS CITRA MENGGUNAKAN VISION TRANSFORMER

Fachrulikhza Ilham Santosa, . (2025) KLASIFIKASI LUMPY SKIN DISEASE PADA SAPI BERBASIS CITRA MENGGUNAKAN VISION TRANSFORMER. Skripsi thesis, UNIVERSITAS PEMBANGUNAN NASIONAL VETERAN YOGYAKARTA.

	Text 1_Cover_123210156.pdf Download (162kB)
	Text 2_Abstrak_123210156.pdf Download (227kB)
	Text 3_Halaman Pengesahan_123210156.pdf Download (465kB)
	Text 4_Daftar Isi_123210156.pdf Download (233kB)
	Text 5_Daftar Pustaka_123210156.pdf Download (200kB)
	Text 6_Skripsi Full_123210156.pdf Restricted to Repository staff only Download (2MB)

Abstract

Klasifikasi Lumpy Skin Disease (LSD) pada sapi menghadirkan tantangan signifikan dalam diagnosis dini yang akurat. Metode diagnosis konvensional yang bergantung pada inspeksi visual manual cenderung subjektif, memakan waktu, dan rentan terhadap kesalahan. Penelitian sebelumnya menggunakan CNN menunjukkan hasil bervariasi (63.75%-96.88%) dengan keterbatasan dalam menangkap hubungan spasial jangka panjang dari distribusi lesi LSD. Vision Transformer (ViT) dengan mekanisme global self-attention menawarkan potensi untuk memodelkan hubungan kontekstual tersebut secara lebih efektif. Penelitian ini bertujuan mengevaluasi performa arsitektur Vision Transformer dalam klasifikasi Lumpy Skin Disease pada sapi menggunakan dataset citra.
Penelitian ini menggunakan pendekatan kuantitatif eksperimental dengan dataset Lumpy Skin Disease dari Kaggle yang terdiri dari 1.018 gambar (80% data latih, 10% validasi, 10% uji). Dataset mencakup dua kategori: sapi sehat dan sapi terinfeksi LSD. Preprocessing meliputi resize 224×224 piksel, normalisasi ImageNet, dan augmentasi data (Horizontal/Vertical Flip, Random Rotation, Shear, Color Jitter). Model vit_base_patch16_224 dengan bobot pre-trained ImageNet diuji melalui 18 skenario kombinasi hyperparameter (epoch: 30/50, learning rate: 1e-3/1e-4/1e-5, batch size: 16/32/64).
Hasil penelitian menunjukkan performa optimal pada skenario ke-9 dengan akurasi 96.15% (30 epoch, learning rate 1e-5, batch size 64). Model mencapai precision 96.22%, recall 96.15%, dan F1-score 96.15% , dengan recall tinggi (98.08%) untuk kelas Lumpy Cow. Confusion matrix mengonfirmasi identifikasi benar 51 dari 52 sampel sapi terinfeksi dan 49 dari 52 sampel sapi sehat, dengan total hanya 4 kesalahan klasifikasi. Keterbatasan penelitian adalah dataset terbatas dalam variasi geografis, ras sapi, dan stadium penyakit. Kontribusi penelitian adalah baseline performa Vision Transformer untuk klasifikasi LSD pada sapi dan validasi potensi implementasi sebagai decision support system deteksi dini LSD di lapangan.

Kata Kunci: Klasifikasi Lumpy Skin Disease, Sapi, Vision Transformer, Deep Learning, Citra Digital

Item Type:	Tugas Akhir (Skripsi)
Additional Information:	Fachrulikhza Ilham Santosa (Penulis - 123210156) Rifki Indra Perwira (Pembimbing)
Uncontrolled Keywords:	Klasifikasi Lumpy Skin Disease, Sapi, Vision Transformer, Deep Learning, Citra Digital
Subjek:	S Agriculture > SF Animal culture
Divisions:	Fakultas Teknik Industri > (S1) Informatika
Depositing User:	Bayu Pambudi
Date Deposited:	19 Dec 2025 01:21
Last Modified:	19 Dec 2025 01:22
URI:	http://eprints.upnyk.ac.id/id/eprint/46214

Actions (login required)

View Item