Klasifikasi Citra Ras Kucing Berbasis CNN dengan Metode MobileNet-V2
DOI:
https://doi.org/10.32627/internal.v8i1.1390Keywords:
Akurasi, Deep Learning, Epoch, Klasifikasi Kucing, MobileNet-V2Abstract
This study evaluates the performance of a Convolutional Neural Network (CNN) using the MobileNet-V2 architecture in classifying four cat breeds. The lack of public understanding in distinguishing cat breeds, especially due to the prevalence of mixed breeds, presents a significant challenge in accurate identification. The model was tested across multiple epochs to observe training and validation accuracy, aiming to assess its effectiveness and stability. Experimental results show that the highest validation accuracy of 93.81% was achieved at epoch 90. Although the model performed well, further optimization is needed to address overfitting and improve generalization capability. This research contributes to the development of an automated breed identification system that can be applied in education, adoption processes, and veterinary healthcare.
References
R. Gunawan, D. M. I. Hanafie, and A. Elanda, “Klasifikasi Jenis Ras Kucing Dengan Gambar Menggunakan Convolutional Neural Network (CNN),” Jurnal Interkom: Jurnal Publikasi Ilmiah Bidang Teknologi Informasi dan Komunikasi, vol. 18, no. 4, pp. 1–8, Jan. 2024, doi:
35969/interkom.v18i4.318.
A. Nur Ramadhayani, V. Lusiana, U. Stikubank Semarang JlTri Lomba Juang No, K. Semarang Selatan, K. Semarang, and J. Tengah, “Klasifikasi Jenis Kucing Menggunakan Algoritma Principal Component Analysis dan K-Nearest Neighbor Jurnal informasi dan Komputer, vol. 10, no. 2, 2022.
C. Agusniar and D. Adelia, “Penerapan Convolutional Neural Network pada Klasifikasi Jenis Ras Kucing Menggunakan ResNet50V2,” 2024.
J. Tugas, A. Fakultas Informatika, M. Afif, A. Fawwaz, K. N. Ramadhani, and F. Sthevanie, “Klasifikasi Ras pada Kucing menggunakan Algoritma Convolutional Neural Network(CNN),” 2020.
S. Diantama, “Pemanfaatan Artificial Intelegent (AI) dalam Dunia Pendidikan,” 2023.
P. Annisa, “Penerapan Teknologi Google Lens dan QR Code pada Tanaman Pertanian,” dst, vol. 3, no. 2, pp. 240–245, Nov. 2023, doi: 10.47709/dst.v3i2.3130.
A. S. Riyadi, I. P. Wardhani, D. S. Widayati, and K. Kunci, “Klasifikasi Citra Anjing dan Kucing Menggunakan Metode Convolutional Neural Network (CNN),” Universitas Gunadarma Jl. Margonda Raya No, vol. 5, no. 1, p. 12140, 2021.
A. Aziz, R. Reyhan Zhafari, and M. M. Santoni, Klasifikasi 10 Spesies Monyet Berdasarkan Citra Menggunakan Convolutional Neural Network. 2021.
D. Ramayanti, D. Asri, and L. Lionie, “Implementasi Model Arsitektur VGG16 dan MobileNetV2 Untuk Klasifikasi Citra Kupu-Kupu Article Info ABSTRAK,” JSAI: Journal Scientific and Applied Informatics, vol. 5, no. 3, 2022, doi: 10.36085.
O. Virgantara Putra, M. Zaim Mustaqim, D. Muriatmoko, J. Teknik Informatika, and F. Sains dan Teknologi, “Transfer Learning untuk Klasifikasi Penyakit dan Hama Padi Menggunakan MobileNetV2 Transfer Learning for Rice Disease and Pest Classification using MobileNetV2,” 2023.
M. Riziq sirfatullah Alfarizi, M. Zidan Al-farish, M. Taufiqurrahman, G. Ardiansah, and M. Elgar, “Penggunaan Python sebagai Bahasa Pemograman untuk Machine Learning dan Deep Learning,” 2023.
S. N. Luqman et al., “Komparasi Algoritma Klasifikasi Genre Musik pada Spotify Menggunakan CRISP-DM,” 2021.
I. Budiman, T. Prahasto, and Y. Christyono, “Data Clustering Menggunakan Metodologi CRISP-DM untuk Pengenalan Pola Proporsi Pelaksanaan Tridharma,” 2012.
A. Abhista Hibatullah and W. Apriandari, “Klasifikasi Kualitas Jenis Kopi Halus Robusta Menggunakan Convolutional Neural Network (CNN) dan Mobilenet-V2,” 2024.
M. A. Hasanah, S. Soim, and A. S. Handayani, “Implementasi CRISP-DM Model Menggunakan Metode Decision Tree dengan Algoritma CART untuk Prediksi Curah Hujan Berpotensi Banjir,” 2021. [Online]. Available: http://jurnal.polibatam.ac.id/index.php/JAIC
N. Alfiah, “Klasifikasi Penerima Bantuan Sosial Program Keluarga Harapan Menggunakan Metode Naive Bayes”.
Y. P. Astuti, E. R. Subhiyakto, I. Wardatunizza, and E. Kartikadarma, “Implementasi Algoritma Convolutional Neural Network (CNN) Untuk Klasifikasi Jenis Tanah Berbasis Android,” Jurnal Informatika: Jurnal Pengembangan IT, vol. 8, no. 3, pp. 220–225, Sep. 2023, doi: 10.30591/jpit.v8i3.5026.
W. Hastomo, E. Hadiyanto, and D. Sutarno, “Klasifikasi Covid-19 CHEST X-RAY denagn Tiga Arsitektur CNN (Resnet-152, Inceptionresnet -V2, Mobilenet-V2),” 2021.
M. Y. Titimeidara and W. Hadikurniawati, “Monica Yoshe Titimeidara Implementasi Metode Naive Bayes Implementasi Metode Naive Bayes Classifier Untuk Klasifikasi Status Gizi Stunting Pada Balita.”
Z. I. Nugraha, Arnita, Kana Saputra S, A. Setiawan, R. Maharani, and F. Zaharani, “Impelementasi Algoritma CNN dalam Pengembangan website untuk Klasifikasi Sampah Organik dan Non-Organik,” Jurnal Manajemen Informatika dan Sistem Informasi, vol. 8, no. 1, pp. 90–101, Jan. 2025, doi: 10.36595/misi.v8i1.1355.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 Ramadhan Anugrah Hermawan, Ichsan Taufik, Yana Aditia Gerhana
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
