KLASIFIKASI PENYAKIT AYAM BROILER MENGGUNAKAN METODE TRANSFORMER DENGAN ARSITEKTUR SWIN TRANSFORMER

Permintaan terhadap ayam broiler di Indonesia terus meningkat, namun kondisi tersebut juga meningkatkan risiko penyakit seperti Coccidiosis, Salmonellosis, dan Newcastle Disease yang dapat menurunkan produktivitas peternakan. Deteksi penyakit pada ayam broiler umumnya masih dilakukan secara manual melalui pengamatan visual, sehingga dapat menimbulkan kesalahan identifikasi dalam penanganan penyakit. Penelitian ini bertujuan membangun sistem klasifikasi penyakit ayam broiler berbasis citra feses menggunakan arsitektur Swin Transformer serta menganalisis waktu inferensi model. Dataset yang digunakan sebanyak 6.812 citra data sekunder yang terbagi dalam empat kelas, dengan pembagian 80% data pelatihan, 20% data validasi, dan 133 citra data primer sebagai data uji. Pelatihan model dilakukan dengan batch size 32 menggunakan empat skenario kombinasi optimizer Adam dan SGD dengan variasi learning rate 0,001 dan 0,0001. Hasil penelitian menunjukkan bahwa model terbaik diperoleh pada penggunaan optimizer SGD dengan learning rate 0,0001 dengan akurasi 83% serta nilai rata-rata precision 86%, recall 84%, dan f1-score 84%. Model juga memiliki waktu inferensi yang cepat, yaitu 0,1931 detik per batch dan 0,0072 detik per gambar pada konfigurasi terbaik. Model kemudian diimplementasikan dalam aplikasi berbasis web menggunakan Streamlit untuk mendeteksi penyakit ayam broiler secara akurat, efisien, dan layak diterapkan sebagai sistem deteksi dini berbasis citra feses.