ARTIKEL ILMIAH - Jauri Bima - Update
ARTIKEL ILMIAH - Jauri Bima - Update
ABSTRAK
Fascioliasis pada hewan ternak, merupakan penyakit yang umum ditemui dan
menjadi permasalahan yang serius. Fascioliasis dapat menyebabkan penurunan
produktifitas susu, penerunan berat badan, menurunya kualitas karkas, hingga
kematian hewan ternak. Prevalensi fasciolosis di indonesia cukup tinggi berkisar 40-
90%. Terdapat berbagai macam teknik diagnosa yang dipakai pada saat ini, antara
lain, pemeriksaan feses, pemeriksaan serologi, biopsi hati, dan ELISA. Beberapa
teknik tersebut masih dilakukan secara manual sehingga rawan terjadinya kesalahan
membaca hasil, dengan perkembangan teknologi yang semakin maju teknik
pemeriksaan khususnya dalam pemeriksaan feses dapat dilakukan, secara otomatis
salah satunya algoritma YOLOv4. Tujuan penelitian ini adalah untuk
mengembangkan diagnosa fasciolosis pada sapi menggunakan kecerdasan buatan,
untuk mempermudah dan mempercepat proses diagnosa. Pada penelitian ini
digunakan sampel telur Fasciola sp. segar dari empedu sapi yang mengalami
fasciolosis dan awetan formalin dari gerusan cacing Faciola sp. dewasa. Sampel
kemudian diamati dengan mikroskop dan diambil gambar menggunakan kamera
ponsel. Data citra telur pada penelitian ini digunakan untuk membangun diagnosa
object detection. Pada penilitan ini menggunakan 55 gambar dengan 25 gmabar
Fasciola sp. segar, 25 Fasciola sp. awetan formalin, dan 5 gambar gabungan
keduanya. Proses object detection dilakukan menggunakan algoritma deep learning
dengan alat bantu YOLOv4, luaran dari object detection yang dilakukan adalah untuk
mengetahui sensitivitas dan spesifisitas. Proses training, validasi, dan testing
menggunakan cloud computing Google Colaboratory. Diperlukan Proses validasi
menggunakan cross validation. Hasil penelitian menunjukkan nilai spesifisitas dan
nilai sensitivitas dan spesifisitas masing-masing adalah 100% dan 30% sehingga
algoritma ini mampu mengenali telur Fasciola sp segar namun belum mampu secara
maksimal membedakan antara Fasciola sp. segar dan awetan formalin. Algortitma
ini masih belum bisa digunakan langsung di lapangan dan perlu dikembangangkan
lebih lanjut.
Kata kunci: Fascioliasis, Kecerdasan Buatan, Uji Sensitivitas, Uji Spesifisitas,
YOLOv4.
ABSTRACT
FasciolaFormalin5.jpg 9 Segar
5%
Gabungan1.jpg
Gabungan2.jpg
Gabungan3.jpg
Gabungan4.jpg
Gabungan5.jpg
TP=10 FP= 7 17
Positif
Hasil Deteksi
3
Nega tif
FN=0 TN=3
20
10 10
Total
= 100 %
𝑇𝑁
Spesifisitas = X 100%
𝑇𝑁 + 𝐹𝑃
3
= 3+7 X 100%
= 30 %