Klasifikasi Penyakit Mulut dan Kuku Pada Sapi Berdasarkan Citra Menggunakan Metode Convolutional Neural Network (CNN) dengan Arsitektur ResNet-50

Penyakit Mulut dan Kuku (PMK) merupakan penyakit menular yang menyerang hewan berkuku genap, seperti sapi, dan dapat menimbulkan kerugian ekonomi signifikan pada sektor peternakan. Penelitian ini bertujuan untuk mengembangkan model klasifikasi citra PMK pada sapi menggunakan arsitektur Convolutional Neural Network (CNN) berbasis ResNet-50. Dataset penelitian terdiri dari delapan kelas, yaitu empat kategori PMK (air liur, gusi, kaki, dan lidah) serta empat kategori sehat. Untuk meningkatkan variasi data, dilakukan teknik augmentasi seperti rotasi, flipping, dan zooming. Model dibangun dengan konfigurasi hyperparameter terbaik, yakni 20 epoch, batch size 32, learning rate 0.001, serta arsitektur dense layer 512-256-128. Evaluasi menggunakan metrik akurasi, presisi, recall, dan F1-score menunjukkan bahwa model mampu mencapai akurasi validasi stabil pada kisaran 92–94% dengan akurasi rata-rata per kelas mencapai 96%. Selain itu, nilai presisi dan recall yang seimbang menegaskan kemampuan model dalam mengenali setiap kelas tanpa bias, serta tidak terdapat indikasi overfitting. Hasil penelitian ini membuktikan bahwa ResNet-50 efektif digunakan dalam klasifikasi citra PMK secara cepat dan akurat. Dengan demikian, model ini berpotensi menjadi alat bantu diagnosis yang efisien, mendukung pengendalian penyakit, dan meminimalkan dampak ekonomi pada sektor peternakan.