Klasifikasi Sapi Perah dan Non-Perah Menggunakan Algoritma Convolutional Neural Network: Classification of Dairy and Non-Dairy Cattle Using the Convolutional Neural Network Algorithm

Leonard Maramis; Ingrid Nurtanio; Hazriani Zainuddin

doi:10.57152/malcom.v5i2.1824

Authors

Leonard Maramis Universitas Handayani Makassar
Ingrid Nurtanio Universitas Hasanuddin
Hazriani Zainuddin Universitas Handayani Makassar

DOI:

https://doi.org/10.57152/malcom.v5i2.1824

Keywords:

Convolutional Neural Network (CNN), Klasifikasi Sapi, Kotamobagu, Sapi Non Perah, Sapi Perah

Abstract

Sapi merupakan salah satu hewan ternak utama di Indonesia yang terdiri dari sapi perah dan sapi potong. Di Kotamobagu dan Bolaang Mongondow Raya (BMR), peternakan sapi berkembang pesat seiring dengan meningkatnya daya beli masyarakat dan nilai jual sapi yang tinggi. Namun, transaksi jual-beli sapi masih menghadapi kendala, terutama dalam membedakan jenis sapi yang dapat menyebabkan kesalahan dan potensi penipuan. Penelitian ini bertujuan untuk mengimplementasikan algoritma Convolutional Neural Network (CNN) dengan arsitektur Xception dalam klasifikasi sapi perah dan non-perah. Proses penelitian mencakup pengumpulan data citra sapi, pelabelan, serta pelatihan model CNN untuk mengenali karakteristik fisik masing-masing jenis sapi. Hasil pengujian menunjukkan bahwa model Xception mencapai akurasi 96% dengan pembagian dataset 80:20, membuktikan kemampuannya dalam mengenali pola visual dengan baik. Temuan ini menunjukkan bahwa CNN, khususnya dengan arsitektur Xception, dapat menjadi alat yang efektif dalam identifikasi jenis sapi, sehingga berpotensi meningkatkan keamanan dan keakuratan dalam transaksi ternak. Dengan pengembangan lebih lanjut, sistem ini dapat diintegrasikan dengan teknologi kamera untuk pemantauan otomatis guna mendukung industri peternakan yang lebih modern dan efisien.

Downloads

Download data is not yet available.

References

S. H. Syukur, H. Maksum, R. Rahayu, and E. Ardinata, “Respon Kelompok Peternak Terhadap Adanya Bantuan Sapi Potong Di Desa Malonas Kecamatan Dampelas Kabupaten Donggala,” SINERGI?: Jurnal Riset Ilmiah, vol. 1, no. 11, pp. 964–978, 2024, doi: 10.62335/t8sem085.

R. Subhan, “Jargon dalam Jual Beli Di Pasar Sapi (Studi Komunikasi Transaksi),” Jurnal Ilmiah FONEMA, vol. 1, no. 2, pp. 109–121, Nov. 2018, doi: 10.25139/fn.v1i2.1176.

E. B. David, L. Soegiono, and A. Davianti, “Kerbau Toraja: Harga dan Keberlanjutan,” Perspektif Akuntansi, vol. 5, no. 2, pp. 083–103, Jul. 2022, doi: 10.24246/persi.v5i2.p083-103.

D. Ratnasari, A. Atabany, B. P. Purwanto, and L. B. Salma, “Model Pertumbuhan Sapi Perah Friesian Holstein (FH) dari Lahir sampai Beranak Pertama di BBPTU-HPT Sapi Perah Baturraden Menggunakan Model Matematik Logistic,” Jurnal Ilmu Produksi dan Teknologi Hasil Peternakan, vol. 7, no. 1, pp. 18–31, 2019.

N. Ginger Budiono, F. Satrija, Y. Ridwan, and D. Nur, “Trematodosis pada Sapi dan Kerbau di Wilayah Endemik Schistosomiasis di Provinsi Sulawesi Tengah, Indonesia (Trematodoses in Cattle and Buffalo Around Schistosomiasis Endemic Areas in Central Sulawesi Province of Indonesia),” Jurnal Ilmu Pertanian Indonesia (JIPI), Agustus, vol. 23, no. 2, pp. 112–126, 2018, doi: 10.18343/jipi.23.2.112.

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.

I. DLY, J. Jasril, S. Sanjaya, L. Handayani, and F. Yanto, “Klasifikasi Citra Daging Sapi dan Babi Menggunakan CNN Alexnet dan Augmentasi Data,” Journal of Information System Research (JOSH), vol. 4, no. 4, pp. 1176–1185, Jul. 2023, doi: 10.47065/josh.v4i4.3702.

F. Charli, H. Syaputra, M. Akbar3, S. Sauda, and F. Panjaitan, “Implementasi Metode Faster Region Convolutional Neural Network (Faster R-CNN) Untuk Pengenalan Jenis Burung Lovebird,” 2020. [Online]. Available: https://journal-computing.org/index.php/journal-ita/index

I. Delfiana, “Sistem Pendukung Keputusan Untuk Pemilihan Sapi Pedaging Impor Terbaik di PT. Juang Jaya Abadi Alam Dengan Menggunakan Metode Multiobjective Optimization On The Basis Of Ratio Analysis (MOORA) Keyword: Sistem Pendukung Keputusan MOORA Sapi Pedaging Impor,” Jurnal CyberTech, vol. 4, no. 2, 2021, [Online]. Available: https://ojs.trigunadharma.ac.id/

Riswanto, A. Ahmad, Hazriani, and D. Tribuana, “Calorie Detection of Traditional Indonesian Food Using the Single Shot Multibox Detector (SSD) Method,” MALCOM: Indonesian Journal of Machine Learning and Computer Science, vol. 4, no. 3, pp. 819–829, 2024, doi: 10.57152/malcom.v4i3.1332.

D. Tribuana, Hazriani, and A. Latief Arda, “Image Preprocessing Approaches Toward Better Learning Performance with CNN,” JOURNAL RESTI (Rekayasa Sistem Teknologi Informasi), vol. 8, no. 1, pp. 1–9, 2024, doi: 10.29207/resti.v8i1.5417.

D. Tribuana, H. Hazriani, and A. Latief Arda, “Face recognition for smart door security access with convolutional neural network method,” TELKOMNIKA (Telecommunication Computing Electronics and Control), vol. 22, no. 3, pp. 702–710, Jun. 2024, doi: 10.12928/telkomnika.v22i3.25946.

Y. Zhang, X. Wang, and J. Li, “Fire Detection Using Convolutional Neural Networks,” J Fire Sci, vol. 38, no. 4, pp. 245–260, 2020.

Z. Li, F. Liu, W. Yang, S. Peng, and J. Zhou, “A Survey of Convolutional Neural Networks: Analysis, Applications, and Prospects,” IEEE Trans Neural Netw Learn Syst, vol. 33, no. 12, pp. 6999–7019, 2022, doi: 10.1109/TNNLS.2021.3084827.

Y. Chen, Z. Lin, X. Zhao, G. Wang, and Y. Gu, “Deep Learning-Based Classification of Hyperspectral Data,” IEEE J Sel Top Appl Earth Obs Remote Sens, vol. 7, no. 6, pp. 2094–2107, 2014, doi: 10.1109/JSTARS.2014.2329330.

J. Liang, R. He, and T. Tan, “A Comprehensive Survey on Test-Time Adaptation Under Distribution Shifts,” Int J Comput Vis, vol. 133, no. 1, pp. 31–64, 2025, doi: 10.1007/s11263-024-02181-w.

J. Wang et al., “Hugs Bring Double Benefits: Unsupervised Cross-Modal Hashing with Multi-granularity Aligned Transformers,” Int J Comput Vis, vol. 132, no. 8, pp. 2765–2797, 2024, doi: 10.1007/s11263-024-02009-7.

X. Chen et al., “Context Autoencoder for Self-supervised Representation Learning,” Int J Comput Vis, vol. 132, no. 1, pp. 208–223, 2024, doi: 10.1007/s11263-023-01852-4.

E. N. Cahyo, E. Susanti, and R. Y. Ariyana, “Model Machine Learning Untuk Klasifikasi Kesegaran Daging Menggunakan Arsitektur Transfer Learning Xception,” Jurnal Sistem dan Teknologi Informasi (JustIN), vol. 11, no. 2, p. 371, Jul. 2023, doi: 10.26418/justin.v11i2.57517.

A. Paisal, “Klasifikasi Daging Sapi Dan Daging Babi Menggunakan Cnn Dengan Arstektur Efficientnet-B4 Dan Augmentasi Data,” Universitas Islam Negeri Sultan Syarif Kasim Riau, Pekanbaru, 2023.

D. Ardianto, “Klasifikasi Citra Daging Sapi Dan Babi Menggunakan Convolutional Neural Network (Cnn) Dengan Arsitektur Efficientnet-B2 Dan Augmentasi Data,” Universitas Islam Negeri Sultan Syarif Kasim Riau, Pekanbaru, 2023.