Klasifikasi Jenis Penyakit Kulit Pada Kucing Menggunakan Metode Cnn Yang Dioptimalkan Dengan Pso

Penyakit kulit pada kucing merupakan infeksi yang menyerang permukaan kulit
dan dapat menular ke hewan lain maupun manusia. Dalam proses identifikasi,
kemiripan visual antar jenis penyakit sering menyulitkan klasifikasi manual.
dengan itu penelitian ini bertujuan untuk menerapkan metode CNN dan CNN
yang dioptimasi dengan PSO untuk mengklasifikasikan lima jenis penyakit kulit
kucing, yaitu abses, dermatitis alergi, feline acne, ringworm, dan scabies untuk
mempermudah identifikasi. CNN digunakan sebagai metode ekstraksi fitur
sekaligus klasifikasi, sedangkan PSO digunakan untuk mengoptimasi parameter
learning rate dan dropout. Dataset terdiri dari 5.415 citra hasil augmentasi, dengan
70% data latih, 15% data validasi, dan 15% data uji. Hasil terbaik diperoleh pada
model CNNPSO dengan akurasi uji sebesar 99,08% dan loss 0,0475. Sementara
CNN murni mencapai akurasi uji 98,65% dengan loss 0,2951. Evaluasi model
menggunakan confusion matrix menunjukkan nilai precision, recall, dan f1-score
berada di atas 98% - 100% untuk kedua model. Nilai AUC-ROC pada kedua
model mencapai 1,00 untuk semua kelas. Hasil ini menunjukkan bahwa optimasi
PSO dapat meningkatkan performa CNN dalam klasifikasi citra penyakit kulit
kucing.