Deteksi Ras Kucing Menggunakan Compound Model Scaling Convolutional Neural Network

Penulis

  • Nadia Azahro Choirunisa Politeknik Elektronika Negeri Surabaya
  • Tita Karlita Politeknik Elektronika Negeri Surabaya
  • Rengga Asmara Politeknik Elektronika Negeri Surabaya

DOI:

https://doi.org/10.33050/tmj.v6i2.1704

Abstrak

Kucing merupakan hewan yang sangat popular di dunia. Jumlah dari ras kucing di dunia hanya sekitar 1% saja, sehingga didominasi oleh ras campuran maupun kucing domestik. Namun demikian, ada begitu banyak jenis ras kucing di dunia, sehingga terkadang sulit untuk mengidentifikasinya. Oleh karena itu, dibutuhkan sistem yang dapat mengenali jenis-jenis ras kucing. Dalam penelitian ini, penulis menggunakan salah satu metode deep learning yang dapat mengenali dan mengklasifikasikan suatu objek, yaitu Neural Convolutional Network (CNN). Penulis menggunakan 9 jenis ras kucing yang berbeda berisi 2700 gambar. Dalam pengujiannya, penulis menggunakan arsitektur EfficientNet-B0. Model paling optimal dari pengujian yang dilakukan terhadap 180 gambar kucing memperoleh tingkat akurasi sebesar 95%.

 

Kata Kunci : Deep Learning, Convolutional Neural Network (CNN) , Ras kucing, EfficientNet-B0.

Referensi

L. Mariani, “Aplikasi Pendeteksian RAS Kucing Dengan Mendeteksi Wajah Kucing Dengan Metode Viola Jones Berbasis Android,” 2016.

I. N. Purnama, “HERBAL PLANT DETECTION BASED ON LEAVES IMAGE USING CONVOLUTIONAL NEURAL NETWORK WITH MOBILE NET ARCHITECTURE,” JITK (Jurnal Ilmu Pengetahuan dan Teknologi Komputer), vol. 6, no. 1, pp. 27–32, 2020.

W. Anggraini, “Deep Learning Untuk Deteksi Wajah Yang Berhijab Menggunakan Algoritma Convolutional Neural Network (CNN) Dengan Tensorflow.” UIN Ar-Raniry Banda Aceh, 2020.

I. Putra, “Klasifikasi citra menggunakan convolutional neural network (CNN) pada caltech 101.” Institut Teknologi Sepuluh Nopember, 2016.

M. Tan and Q. Le, “Efficientnet: Rethinking model scaling for convolutional neural networks,” in International Conference on Machine Learning, 2019, pp. 6105–6114.

Ü. Atila, M. Uçar, K. Akyol, and E. Uçar, “Plant leaf disease classification using EfficientNet deep learning model,” Ecological Informatics, vol. 61, p. 101182, 2021.

T. Nurhikmat, “Implementasi deep learning untuk image classification menggunakan algoritma Convolutional Neural Network (CNN) pada citra wayang golek,” 2018.

K. O. Lauw, L. W. Santoso, and R. Intan, “Identifikasi Jenis Anjing Berdasarkan Gambar Menggunakan Convolutional Neural Network Berbasis Android,” Jurnal Infra, vol. 8, no. 2, pp. 37–43, 2020.

A. Salsabila, R. Yunita, and C. Rozikin, “Identifikasi Citra Jenis Bunga menggunakan Algoritma KNN dengan Ekstrasi Warna HSV dan Tekstur GLCM,” Technomedia Journal, vol. 6, no. 1, pp. 124–137, 2021.

N. P. L. Santoso, Y. Durachman, S. Watini, and S. Millah, “Manajemen Kontrol Akses Berbasis Blockchain untuk Pendidikan Online Terdesentralisasi,” Technomedia Journal, vol. 6, no. 1, pp. 111–123, 2021.

D. H. Fudholi et al., “Image Captioning with Attention for Smart Local Tourism using EfficientNet,” in IOP Conference Series: Materials Science and Engineering, 2021, vol. 1077, no. 1, p. 12038.

S. Indriyani, F. Sthevanie, and K. N. Ramadhani, “Pengenalan Ras Kucing Scottish Fold Menggunakan Metode Histogram Of Oriented Gradients Dan Jaringan Saraf Tiruan,” eProceedings of Engineering, vol. 6, no. 2, 2019.

S. Khatri, A. Rajput, S. Alhat, V. Gursal, and J. Deshmukh, “Image-Based Animal Detection and Breed Identification Using Neural Networks”.

H. S. Hopipah and R. Mayasari, “Optimasi Backward Elimination untuk Klasifikasi Kepuasan Pelanggan Menggunakan Algoritme k-nearest neighbor (k-NN) and Naive Bayes,” Technomedia Journal, vol. 6, no. 1, pp. 99–110, 2021.

P. P. P. Pangestu and R. Yusuf, “Implementasi Metode QINQ Pada Jaringan Metro Ethernet Untuk Memaksimalkan Penggunaan VLAN Menggunakan Teknologi GPON Studi Kasus: PT. Telkom Indonesia,” Technomedia Journal, vol. 6, no. 1 Agustus, 2021.

R. A. A. Rahman and A. Adhitya, “Perancangan Sistem Informasi Pengusulan Kenaikan Pangkat Berbasis Web Pada Korps Marinir TNI AL,” Technomedia Journal, vol. 6, no. 01 Agustus, 2021.

B. Basri and A. Qashlim, “Relay Kontrol Menggunakan Google Firebase dan Node MCU pada Sistem Smart Home,” Technomedia Journal, vol. 6, no. 01 Agustus, 2021.

R. Rosyid and M. A. W. Prasetyo, “Robot Peraga 12 Gerakan Pengaturan Lalu Lintas Berbasis Arduino Mega 2560,” Technomedia Journal, vol. 5, no. 2, pp. 193–205, 2021.

A. Roihan, N. Rahayu, and D. S. Aji, “Perancangan Sistem Kehadiran Face Recognition Menggunakan Mikrokomputer Berbasis Internet of Things,” Technomedia Journal, vol. 5, no. 2, pp. 155–166, 2021.

A. Setiadi, I. Handayani, and F. Fadilah, “Perancangan Aplikasi Fit Your Weight Untuk Menghitung Berat Badan Ideal Berbasis Android,” Technomedia Journal, vol. 5, no. 2, pp. 144–154, 2021.

Unduhan

Diterbitkan

2021-11-08

Cara Mengutip

Azahro Choirunisa, N., Karlita, T., & Asmara, R. (2021). Deteksi Ras Kucing Menggunakan Compound Model Scaling Convolutional Neural Network. Technomedia Journal, 6(2), 236–251. https://doi.org/10.33050/tmj.v6i2.1704