Klasifikasi Ras Sapi Menggunakan Convolutional Neural Network
Article Sidebar
Main Article Content
Abstract
Penelitian ini bertujuan mengembangkan model klasifikasi otomatis berbasis Convolutional Neural Network (CNN) untuk mengidentifikasi lima jenis ras sapi, yaitu Bali, Brahma, Angus, Holstein, dan Beefmaster. Data citra sapi diperoleh melalui dokumentasi lapangan serta sumber dataset publik, dengan total 1.500 gambar yang dibagi ke dalam tiga subset: pelatihan, validasi, dan pengujian. Model yang digunakan adalah ResNet50V2 dengan pendekatan transfer learning, yang dilatih menggunakan teknik data augmentation dan normalisasi citra untuk meningkatkan generalisasi model. Evaluasi performa dilakukan dengan menggunakan sejumlah metrik, meliputi akurasi, presisi, recall, F1-score, serta analisis confusion matrix dan visualisasi hasil prediksi. Hasil eksperimen menunjukkan bahwa model ResNet50V2 mampu mengklasifikasikan ras sapi dengan akurasi mencapai 95,63% pada data uji. Rata-rata nilai F1-score untuk seluruh kelas adalah 0,95, yang mencerminkan kinerja model yang tinggi dan seimbang. Berdasarkan confusion matrix, sebagian besar kelas dapat dikenali secara akurat, meskipun masih terdapat kesalahan klasifikasi pada kelas dengan kemiripan visual yang tinggi. Temuan ini menunjukkan bahwa pendekatan CNN, khususnya dengan arsitektur ResNet50V2, memiliki potensi yang kuat sebagai solusi sistem identifikasi otomatis dalam sektor peternakan, terutama dalam mendorong digitalisasi dan efisiensi manajemen ternak.
Article Details
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
References
S. F. A. Wijaya, K. Koredianto, dan S. Saidah, “Analisis Perbandingan K-Nearest Neighbor dan Support Vector Machine pada Klasifikasi Jenis Sapi dengan Metode Gray Level Coocurrence Matrix,” Jurnal Ilmu Komputer dan Informatika, vol. 2, no. 2, hlm. 93–102, Mar 2022, doi: 10.54082/jiki.27.
A. Ramadhan Siregar, S. Rohani, S. Nurani Sirajuddin, P. Astaman, dan dan Muhammmad Darwis, “Analisis Komparasi Pendapatan pada Usaha Pembibitan dan Penggemukan Sapi Potong Income Comparison Analysis of Cattle Breeding and Fattening,” Jurnal Peternakan Lokal, vol. 5, no. 2, 2023.
I. Telur Fasciola sp Berdasarkan Pemeriksaan Koprologi dan Efektivitas Albendazole pada Sapi Limosin, S. Salas Sholekhah, dan S. Kusumarini, “ShareAlike 4.0 International License (CC-BY-SA) STUDI KASUS/CASE STUDY (Identification of Fasciola sp. Eggs based on Coprological Examination and Albendazole Effectiveness in Limosin Cattle)”, doi: 10.29244/jvetbiomed.1.2.59-64.
K. Komposisi Populasi Sapi Potong Berdasarkan Bangsa, J. Kelamin, dan Tingkat Umur di Daerah Suliki Kabupaten Lima Puluh Kota, F. Lismanto Syaiful, A. Fernando dan Khasrad, dan K. Kunci, “A Study of Beef Cattle Population Composition Based on Breed, Gender, and Age Levels in the Suliki Area of the Lima Puluh Kota District,” Journal of Livestock and Animal Health JLAH, vol. 7, no. 2, hlm. 32–41, 2024, doi: 10.32530/jlah.v7i2.47.
L. Maramis, I. Nurtanio, dan H. Zainuddin, “Klasifikasi Sapi Perah dan Non-Perah Menggunakan Algoritma Convolutional Neural Network,” MALCOM: Indonesian Journal of Machine Learning and Computer Science, vol. 5, no. 2, hlm. 664–674, Apr 2025, doi: 10.57152/malcom.v5i2.1824.
M. E. Hossain, M. A. Kabir, L. Zheng, D. L. Swain, S. McGrath, dan J. Medway, “A systematic review of machine learning techniques for cattle identification: Datasets, methods and future directions,” 1 Januari 2022, KeAi Communications Co. doi: 10.1016/j.aiia.2022.09.002.
M. E. Hossain, M. A. Kabir, L. Zheng, D. L. Swain, S. McGrath, dan J. Medway, “A systematic review of machine learning techniques for cattle identification: Datasets, methods and future directions,” 1 Januari 2022, KeAi Communications Co. doi: 10.1016/j.aiia.2022.09.002.
R. A. Sucipto, “KLASIFIKASI SAPI MADURA BERDASARKAN UKURAN TUBUH MENGGUNAKAN METODE SUPPORT VECTOR MACHINE DAN K-NEAREST NEIGHBORS,” Jurnal Informatika dan Teknik Elektro Terapan, vol. 13, no. 1, Jan 2025, doi: 10.23960/jitet.v13i1.5739.
J. T. Samudra, R. Rosnelly, Z. Situmorang, dan P. S. Ramadhan, “Model Klasifikasi Jenis Hewan Dengan SVM, KNN, Logistic Regression Menggunakan Pre-Trained VGG 16,” 2023, [Daring]. Tersedia pada: https://ojs.trigunadharma.ac.id/index.php/jis/index
F. Nurona Cahya dkk., “SISTEMASI: Jurnal Sistem Informasi Klasifikasi Penyakit Mata Menggunakan Convolutional Neural Network ( CNN).” [Daring]. Tersedia pada: http://sistemasi.ftik.unisi.ac.id
A. Leovincent, “Klasifikasi Ras Anjing Berdasarkan Citra Menggunakan Convolutional Neural Network,” vol. 3, no. 2, hlm. 160–169, 2023, doi: 10.35957/algoritme.xxxx.
L. Alzubaidi dkk., “Review of deep learning: concepts, CNN architectures, challenges, applications, future directions,” J Big Data, vol. 8, no. 1, Des 2021, doi: 10.1186/s40537-021-00444-8.
S. Zamroni dkk., “Sistemasi: Jurnal Sistem Informasi Identifikasi Moncong Sapi menggunakan Metode Jaringan Saraf Tiruan Konvolusional (CNN) Recognizing Cow Muzzle Patterns using the Convolution Neural Network (CNN) Algorithm.” [Daring]. Tersedia pada: http://sistemasi.ftik.unisi.ac.id
W. Widhiarso, “3 RD MDP STUDENT CONFERENCE (MSC) 2024 Klasifikasi Jenis Spesies Ikan Hiu Menggunakan Metode Convolutional Neural Network (CNN)”, [Daring]. Tersedia pada: https://www.kaggle.com/datasets/larusso94/shark-species.
Raihan Maulana, Raisya Dwi Zahra Putri, Sindy Fitriani Margareth Sihaloho, dan Sri Mulyana, “Implementasi Algoritma Convolutional Neural Network Dalam Mengklasifikasi Jenis Burung,” Journal of Creative Student Research, vol. 1, no. 6, hlm. 221–231, Nov 2023, doi: 10.55606/jcsrpolitama.v1i6.2966.
C. Agusniar dan D. Adelia, “Penerapan Convolutional Neural Network pada Klasifikasi Jenis Ras Kucing Menggunakan ResNet50V2,” 2024.
B. Hartanto dan T. Susyanto, “PENERAPAN IMAGE RECOGNITION DALAM PENGENALAN OBJEK MENGGUNAKAN MODEL RESNET-50,” vol. 2, no. 2, 2023, [Daring]. Tersedia pada: https://ojs.unsiq.ac.id/index.php/biner
N. R. Janke dkk., “Global phylogenomic diversity of Brucella abortus: spread of a dominant lineage,” Front Microbiol, vol. 14, 2023, doi: 10.3389/fmicb.2023.1287046.
P. Guliński, “Cattle breeds – contemporary views on their origin and criteria for classification: a review,” Acta Scientiarum Polonorum Zootechnica, vol. 20, no. 2, hlm. 3–18, Jan 2022, doi: 10.21005/asp.2021.20.2.01.
M. Al Kalaldeh dkk., “Detection of genomic regions that differentiate Bos indicus from Bos taurus ancestral breeds for milk yield in Indian crossbred cows,” Front Genet, vol. 13, Jan 2023, doi: 10.3389/fgene.2022.1082802.
N. Eka Budiyanta dkk., “Sistem Deteksi Kemurnian Beras berbasis Computer Vision dengan Pendekatan Algoritma YOLO,” vol. 6, no. 1, 2021.
Mutaqin Akbar, “Traffic sign recognition using convolutional neural networks,” International Journal of Electrical Engineering and Technology, vol. 11, no. 3, hlm. 210–217, Apr 2021, doi: 10.14710/jtsiskom.2021.13959.
M. Akbar, A. S. Purnomo, dan S. Supatman, “Multi-Scale Convolutional Networks untuk Pengenalan Rambu Lalu Lintas di Indonesia,” Jurnal Sisfokom (Sistem Informasi dan Komputer), vol. 11, no. 3, hlm. 310–315, Des 2022, doi: 10.32736/sisfokom.v11i3.1452.
A. Titania dkk., “Analisis Klasifikasi Mobil Pada Gardu Tol Otomatis (GTO) Menggunakan Convolutional Neural Network (CNN),” 2022.
Sandy Andika Maulana, Shabrina Husna Batubara, Tasya Ade Amelia, dan Yohanna Permata Putri Pasaribu, “Penerapan Metode CNN (Convolutional Neural Network) Dalam Mengklasifikasi Jenis Ubur-Ubur,” Jurnal Penelitian Rumpun Ilmu Teknik, vol. 2, no. 4, hlm. 122–130, Des 2023, doi: 10.55606/juprit.v2i4.3084.
K. R. Wardani dan L. Leonardi, “Klasifikasi Penyakit pada Daun Anggur menggunakan Metode Convolutional Neural Network,” Jurnal Tekno Insentif, vol. 17, no. 2, hlm. 112–126, Okt 2023, doi: 10.36787/jti.v17i2.1130.
Zaid Ahmed, “Cow Breed Classification Dataset,” Kaggle. Diakses: 17 Juni 2025. [Daring]. Tersedia pada: https://www.kaggle.com/datasets/zaidworks0508/cow-breed-classification-dataset
Jordano Isaías Garza Murillo, “Bovine Cattle Images,” Kaggle. Diakses: 17 Juni 2025. [Daring]. Tersedia pada: https://www.kaggle.com/datasets/jordanogarza/bovine-cattle-images
Lawrence Jembere, “Cow Images for Milk Yield Prediction,” Kaggle. Diakses: 17 Juni 2025. [Daring]. Tersedia pada: https://www.kaggle.com/datasets/lawrencejembere/cow-images-for-milk-yield-prediction
A. Ridhovan dkk., “PENERAPAN METODE RESIDUAL NETWORK (RESNET) DALAM KLASIFIKASI PENYAKIT PADA DAUN GANDUM.”
Y. F. Riti, Y. Wahyuningsih, J. Roosandriantini, dan P. W. Siswanto, “Perbandingan Algoritma Convolutional Neural Netwok dan Capsule Network Dalam Klasifikasi Jenis Rumah Adat,” Teknika, vol. 12, no. 3, hlm. 243–251, Nov 2023, doi: 10.34148/teknika.v12i3.702.