Deteksi Penyakit Sura pada Kuda Menggunakan CNN Berbasis Citra Mikroskopik

Hildegard Rambu Konda Ndima; Fajar Hariadi; Raynesta Mikaela Indri Malo

doi:10.58794/jekin.v5i2.1610

Authors

Hildegard Rambu Konda Ndima Universitas Kristen Wira Wacana Sumba
Fajar Hariadi Universitas Kristen Wira Wacana Sumba
Raynesta Mikaela Indri Malo Universitas Kristen Wira Wacana Sumba

DOI:

https://doi.org/10.58794/jekin.v5i2.1610

Keywords:

Penyakit Sura, Trypanosoma , CNN, Citra mikroskopik, Kuda

Abstract

Penyakit Sura, yang disebabkan oleh parasit Trypanosoma evansi, merupakan penyakit endemik yang menyerang kuda di Kabupaten Sumba Timur. Dampaknya sangat serius terhadap sektor peternakan karena diagnosis masih dilakukan secara manual melalui pemeriksaan mikroskopik oleh tenaga ahli. Penelitian ini bertujuan untuk mengembangkan sistem pendeteksian otomatis berbasis citra mikroskopik darah kuda menggunakan metode Convolutional Neural Network (CNN). Dataset terdiri atas 200 citra darah yang terbagi merata antara kondisi normal dan terinfeksi. Data divalidasi oleh dokter hewan, kemudian melalui proses preprocessing berupa konversi ke grayscale, normalisasi, dan resize ke ukuran 128x128 piksel. Arsitektur CNN terdiri dari dua lapisan konvolusi, pooling, dan fully connected dengan dropout. Hasil pelatihan menunjukkan akurasi pelatihan 100% dan akurasi validasi mencapai 97,5%. Evaluasi menggunakan confusion matrix dan classification report menunjukkan hasil sempurna tanpa kesalahan klasifikasi. Temuan ini menunjukkan potensi CNN sebagai solusi diagnosa cepat dan akurat. Sistem ini dapat dikembangkan lebih lanjut sebagai aplikasi berbasis web atau mobile.

Downloads

Download data is not yet available.

References

U. Y. A. Praing, I. A. P. Apsari, dan N. S. Dharmawan, “Prevalensi dan Faktor Risiko Trypanosomiasis pada Kuda di Kabupaten Sumba Timur,” Bul. Vet. Udayana, vol. 2021, no. 158, hal. 737, 202.

R. E. D. Dongga, “Adopsi Teknologi Pengendalian Penyakit Surra oleh Peternak Kuda di Kabupaten Sumba Timur, Nusa Tenggara Timur,” Bul. Vet. Udayana, vol. 6, no. 1, 2013.

B. Radita dan D. Nur, “Trypanosoma evansi,” 2017.

S. E. Wibowo et al., “Trypanosoma evansi Infection in Sumba Horses in East Sumba Regency : A Study at BBVet Denpasar Infeksi Trypanosoma evansi pada Kuda Sumba di Kabupaten Sumba Timur : Sebuah Studi di BBVet Denpasar,” vol. 05, no. 1, hal. 60–65, 2024.

W. Yolanda, R. Elisia, dan M. K. Susalam, “Review Literatur : Identifikasi Penyakit Surra ( Protozoa Darah ) Pada Ternak Ruminansia ( Literature Review : Identification Of Surra ( Blood Protozoan ) Disease in Ruminants ),” no. 2, 2024.

N. S. D. Umbu Yabu Anggung Praing1, Ida Ayu Pasti Apsari2, “Prevalensi dan Faktor Risiko Trypanosomiasis pada Kuda di Kabupaten Sumba Timur,” vol. 2021, no. 158, hal. 737–746, 2023.

W. M. Baihaqi et al., “Analisis Gambar Sel Darah Berbasis Convolution Neural Network untuk Mendiagnosis Penyakit Demam Berdarah,” vol. 7, no. 1, hal. 148–159, 2021.

F. Abdurahman, K. A. Fante, dan M. Aliy, “Malaria parasite detection in thick blood smear microscopic images using modified YOLOV3 and YOLOV4 models,” BMC Bioinformatics, hal. 1–17, 2021.

K. Amalia, R. Magdalena, dan S. Saidah, “Klasifikasi Penyakit Tumor Otak Pada Citra Mri Menggunakan Metode CNN,” e-Proceeding Eng., vol. 8, no. 6, hal. 3247–3254, 2022.

Nurhaeni1, S. E. P. A. Hidayat3, dan F. N. Anisa4, “Pemodelan Sistem Deteksi Parasit Malaria pada Citra Mikroskopis Sel Darah Menggunakan Metode Deep Learning,” Univ. Sari Mulia, vol. 14, no. 2, hal. 409–416, 2024.

S. E. Prastya et al., “Pemodelan Sistem Deteksi Parasit Malaria pada Citra Mikroskopis Sel Darah Menggunakan Metode Deep Learning,” vol. 14, no. 2, hal. 409–416, 2024.

A. F. Saksenata, A. E. Minarno, dan Y. Azhar, “Klasifikasi Citra Sel Darah Untuk Penyakit Malaria Dengan Metode CNN,” vol. 4, no. 2, hal. 185–194, 2022.

N. K. Hamzidah, “Identifikasi Kandungan Citra Mikroskopik Sel Darah Manusia berbasis Image Processing dalam Mendeteksi Potensi Leukimia,” Media Elektr., vol. 20, no. 2, hal. 1–7, 2023.

T. Rahman et al., “COV-ECGNET: COVID-19 detection using ECG trace images with deep convolutional neural network,” Heal. Inf. Sci. Syst., vol. 10, no. 1, 2022.

Imam Fathurrahman, Mahpuz, Muhammad Djamaluddin, Lalu Kerta Wijaya, dan Ida Wahidah, “Pengembangan Model Convolutional Neural Network (CNN) untuk Klasifikasi Penyakit Kulit Berbasis Citra Digital,” Infotek J. Inform. dan Teknol., vol. 8, no. 1, hal. 298–308, 2025.