Implementasi Algoritma Convolutional Neural Network (CNN) Untuk Klasifikasi Jenis Ras Kucing Dengan Metode Mobilenetv2

Authors

  • diyah kingkin sulistiana universitas nusantara pgri kediri Indonesia
  • Made Ayu Dusea Widyadara Universitas Nusantara PGRI Kediri Indonesia
  • Umi Mahdiyah Universitas Nusantara PGRI Kediri Indonesia

DOI:

https://doi.org/10.29407/pycd3g30

Abstract

Kucing merupakan hewan peliharaan yang sangat popular di dunia. Kucing juga memiliki banyak jenis ras yang diakui secara internasional yaitu sekitar 142 ras kucing. Karena banyaknya jenis ras kucing di dunia, sehingga banyak pemilik kucing yang sulit untuk membedakan jenis ras kucing yang mereka pelihara. Oleh karena itu dibutuhkan sistem klasifikasi otomatis berbasis pengolahan citra menggunakan algoritma Convolutional Neural Network dengan arsitektur MobileNetV2. Model dikembangkan untuk mengenali 5 jenis ras kucing dengan dataset berjumlah 500 gambar. Data dilatih selama 20 epoch dengan batch size 32, menghasilkan akurasi tertinggi sebesar 91%. Evaluasi dengan data baru menunjukkan bahwa model mampu mengidentifikasi secara akurat. Hasil ini menunjukkan potensi MobileNetV2 sebagai solusi ringan dan efektif untuk klasifikasi citra berbasis ras kucing dalam aplikasi nyata.

Keywords:

Citra, Convolutional Neural Network, MobileNetV2, Ras kucing

##plugins.themes.default.displayStats.downloads##

##plugins.themes.default.displayStats.noStats##

References

[1] R. Gunawan, D. M. I. Hanafie, dan A. Elanda, “Klasifikasi Jenis Ras Kucing Dengan Gambar Menggunakan Convolutional Neural Network (CNN),” J. Interkom J. Publ. Ilm. Bid. Teknol. Inf. dan Komun., vol. 18, no. 4, hal. 1–8, 2024, doi: 10.35969/interkom.v18i4.318.

[2] U. Kulsum dan A. Cherid, “Penerapan Convolutional Neural Network Pada Klasifikasi Tanaman Menggunakan ResNet50,” Simkom, vol. 8, no. 2, hal. 221–228, 2023, doi: 10.51717/simkom.v8i2.191.

[3] J. Kusuma, A. Jinan, M. Z. Lubis, R. Rubianto, dan R. Rosnelly, “Komparasi Algoritma Support Vector Machine Dan Naive Bayes Pada Klasifikasi Ras Kucing,” Generic, vol. 14, no. 1, hal. 8–12, 2022, doi: 10.18495/generic.v14i1.122.

[4] F. F. Maulana dan N. Rochmawati, “Klasifikasi Citra Buah Menggunakan Convolutional Neural Network,” J. Informatics Comput. Sci., vol. 1, no. 02, hal. 104–108, 2020, doi: 10.26740/jinacs.v1n02.p104-108.

[5] V. Angkasa dan J. J. Pangaribuan, “Information System Development Komparasi Tingkat Akurasi Random Forest Dan Knn Untuk Mendiagnosis Penyakit Kanker Payudara,” J. Inf. Syst. Dev., vol. 7, no. 1, hal. 37–38, 2022, [Daring]. Tersedia pada: http://dx.doi.org/10.19166/xxxx

[6] N. H. Harani, C. Prianto, dan M. Hasanah, “Deteksi Objek Dan Pengenalan Karakter Plat Nomor Kendaraan Indonesia Menggunakan Metode Convolutional Neural Network (CNN) Berbasis Python,” J. Tek. Inform., vol. 11, no. 3, hal. 47–53, 2019, [Daring]. Tersedia pada: https://ejurnal.ulbi.ac.id/index.php/informatika/article/view/658

[7] F. Ramadhani, A. Satria, dan S. Salamah, “Implementasi Algoritma Convolutional Neural Network dalam Mengidentifikasi Dini Penyakit pada Mata Katarak,” sudo J. Tek. Inform., vol. 2, no. 4, hal. 167–175, 2023, doi: 10.56211/sudo.v2i4.408.

[8] L. Alzubaidi dkk., Review of deep learning: concepts, CNN architectures, challenges, applications, future directions, vol. 8, no. 1. Springer International Publishing, 2021. doi: 10.1186/s40537-021-00444-8.

[9] A. S. Riyadi, I. P. Wardhani, dan S. Widayati, “Klasifikasi Citra Anjing Dan Kucing Menggunakan Metode Convolutional Neural Network (Cnn),” Semin. Nas. Teknol. Inf. dan Komun. STI&K, vol. 5, no. 1, hal. 307–311, 2021, [Daring]. Tersedia pada: https://ejournal.jak-stik.ac.id/files/journals/2/articles/sentik2021/2857/submission/proof/2857-13-1919-1-10-20210902.pdf

[10] M. Sandler, A. Howard, M. Zhu, dan A. Zhmoginov, “Sandler_MobileNetV2_Inverted_Residuals_CVPR_2018_paper.pdf,” arXiv, hal. 4510–4520, 2018.

Downloads

Published

2025-07-10

Issue

Vol. 9 No. 3 (2025): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2025

Section

Articles

License

Copyright (c) 2025 diyah kingkin sulistiana, Made Ayu Dusea Widyadara, Umi Mahdiyah

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Authors who publish with this journal agree to the following terms:

  1. Copyright on any article is retained by the author(s).
  2. The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
  3. Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
  4. Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
  5. The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License

How to Cite

Implementasi Algoritma Convolutional Neural Network (CNN) Untuk Klasifikasi Jenis Ras Kucing Dengan Metode Mobilenetv2. (2025). Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi), 9(3), 2255-2264. https://doi.org/10.29407/pycd3g30