Rancang bangun sistem pakar diagnosis gangguan pencernaan pada landak mini berbasis android berdasarkan citra feses menggunakan metode Convolutional Neural Network

Fadhilah, Muhammad Yusuf (2026) Rancang bangun sistem pakar diagnosis gangguan pencernaan pada landak mini berbasis android berdasarkan citra feses menggunakan metode Convolutional Neural Network. Sarjana thesis, UIN Sunan Gunung Djati Bandung.

Preview	Text 1_cover.pdf Download (113kB) | Preview
Preview	Text 2_abstrak.pdf Download (218kB) | Preview
Preview	Text 3_skbebasplagiarism.pdf Download (513kB) | Preview
Preview	Text 4_daftarisi.pdf Download (237kB) | Preview
Preview	Text 5_bab1.pdf Download (580kB) | Preview
	Text 6_bab2.pdf Restricted to Registered users only Download (456kB) | Request a copy
	Text 7_bab3.pdf Restricted to Registered users only Download (328kB) | Request a copy
	Text 8_bab4.pdf Restricted to Registered users only Download (924kB) | Request a copy
	Text 9_bab5.pdf Restricted to Registered users only Download (483kB) | Request a copy
	Text 10_bab6.pdf Restricted to Registered users only Download (219kB) | Request a copy
	Text 11_daftarpustaka.pdf Restricted to Registered users only Download (229kB) | Request a copy
	Text 12_lampiran.pdf Restricted to Repository staff only Download (380kB) | Request a copy

Abstract

Landak mini merupakan hewan peliharaan eksotis yang memiliki sistem pencernaan sensitif, di mana salah satu indikator kesehatan utamanya dapat diamati melalui karakteristik feses. Namun, keterbatasan pengetahuan pemilik dalam menginterpretasikan kondisi fisik feses sering menyebabkan keterlambatan penanganan gangguan pencernaan, seperti infeksi bakteri dan diare. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan aplikasi berbasis android yang mampu membantu diagnosis dini gangguan pencernaan pada landak mini melalui analisis citra feses. Metode yang digunakan adalah Convolutional Neural Network (CNN) yang diintegrasikan dengan logika sistem pakar. Arsitektur CNN dirancang menggunakan pendekatan multi model untuk mengklasifikasikan karakteristik citra ke dalam dua kategori terpisah, yaitu warna feses (Hitam, Hijau, dan Merah) serta konsistensi feses (Padat dan Cair). Hasil klasifikasi dari kedua model tersebut kemudian diproses menggunakan aturan berbasis pengetahuan (rule-based system) untuk menghasilkan diagnosis dan saran penanganan. Model dilatih menggunakan framework TensorFlow dan dikonversi ke format TensorFlow Lite untuk implementasi pada perangkat mobile menggunakan Flutter. Hasil pengujian menunjukkan bahwa Model Warna mencapai akurasi sebesar 90%, sedangkan Model Konsistensi memperoleh akurasi sebesar 88%. Pengujian pada skenario penggunaan nyata (real world testing) di dalam aplikasi menghasilkan tingkat akurasi keseluruhan sebesar 84%. Selain itu, pengujian fungsionalitas aplikasi menggunakan metode Black Box Testing menunjukkan bahwa seluruh fitur berjalan sesuai dengan perancangan. Penelitian ini menyimpulkan bahwa integrasi metode deep learning dan sistem pakar pada platform mobile efektif digunakan sebagai alat bantu diagnosis dini gangguan pencernaan pada landak mini yang praktis dan mudah diakses oleh pengguna.

Actions (login required)

View Item