Klasifikasi Ras Kucing Real-Time Pada Android Menggunakan Transfer Learning MobileNetV2
DOI:
https://doi.org/10.29407/wp0kct24Keywords:
Android, Klasifikasi Citra , MobileNetV2, Ras Kucing, Transfer LearningAbstract
Identifikasi ras kucing penting dilakukan karena setiap ras memiliki karakteristik dan kebutuhan perawatan yang berbeda, sementara masyarakat awam sering mengalami kesulitan membedakan ras kucing secara visual akibat kemiripan fitur. Penelitian ini mengembangkan sistem klasifikasi ras kucing secara real-time pada perangkat Android menggunakan arsitektur MobileNetV2 dengan pendekatan transfer learning. Dataset terdiri dari 1.000 citra yang mencakup lima ras kucing, yang kemudian melalui tahap preprocessing dan augmentasi data secara intensif untuk mencegah overfitting pada keterbatasan jumlah sampel. Model dilatih menggunakan TensorFlow dan dikonversi ke format TensorFlow Lite untuk mendukung efisiensi komputasi di perangkat mobile. Hasil pengujian menunjukkan akurasi validasi sebesar 92%, dengan performa klasifikasi sangat baik pada kelas berkarakteristik visual distingtif seperti Bombay. Implementasi pada aplikasi Android menggunakan CameraX menunjukkan bahwa proses inferensi berlangsung sangat responsif dengan rata-rata waktu deteksi 75–85 ms. Hasil ini membuktikan bahwa MobileNetV2 efektif digunakan sebagai model ringan namun akurat untuk klasifikasi citra di lingkungan perangkat bergerak.
Downloads
References
[1] K. D. Linda, Kusrini, dan A. D. Hartanto, “Studi Literatur Mengenai Klasifikasi Citra Kucing Dengan Menggunakan Deep Learning: Convolutional Neural Network (CNN),” Journal of Electrical Engineering and Computer (JEECOM), vol. 6, no. 1, hal. 129–137, 2024.
[2] T. Adriyanto, R. A. Ramadhani, R. Helilintar, dan A. Risktyawan, “Classification of Dog and Cat Images Using the CNN Method,” ILKOM Jurnal Ilmiah, vol. 14, no. 3, hal. 203–208, 2022.
[3] M. Murdifin dan S. Uyun, “Klasifikasi Hewan Anjing, Kucing, dan Harimau Menggunakan Metode Convolutional Neural Network (CNN),” JISKA (Jurnal Informatika Sunan Kalijaga), vol. 10, no. 3, hal. 331–340, 2025.
[4] C. Agusniar dan D. Adelia, “Penerapan Convolutional Neural Network pada Klasifikasi Jenis Ras Kucing Menggunakan ResNet50V2,” Journal of Information Engineering and Educational Technology (JIEET), vol. 8, no. 1, hal. 52–60, 2024.
[5] A. T. Ramadhan dan A. Setiawan, “Catbreedsnet: An Android Application for Cat Breed Classification Using Convolutional Neural Networks,” JOIN (Jurnal Online Informatika), vol. 8, no. 1, hal. 52–60, 2023.
[6] R. A. Hermawan, I. Taufik, dan Y. A. Gerhana, “Klasifikasi Citra Ras Kucing Berbasis CNN dengan Metode MobileNet-V2,” INTERNAL (Information System Journal), vol. 8, no. 1, hal. 70–84, 2025.
[7] M. G. Somoal dan A. R. Dzikrillah, “Komparasi MobileNetV2 dengan Kustomisasi Transfer Learning dan Hyperparameter untuk Identifikasi Tumor Otak,” Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK), vol. 12, no. 1, hal. 229–240, 2025.
[8] I. Fawwaz, Yennimar, N. P. Dharsinni, dan B. A. Wijaya, “The Optimization of CNN Algorithm Using Transfer Learning for Marine Fauna Classification,” Sinkron: Jurnal dan Penelitian Teknik Informatika, vol. 7, no. 4, hal. 2236–2245, 2023.
[9] R. D. Apriansa, A. B. Cahyono, dan S. W. Hati, “Aplikasi Pengaduan Hewan Peliharaan Kota Kediri Berbasis Android,” Prosiding Seminar Nasional Teknologi dan Sains (STAINS), vol. 1, no. 1, hal. 210–216, 2022.
[10] Y. P. Astuti, E. R. Subhiyakto, I. Wardatunizza, dan E. Kartikadarma, “Implementasi Algoritma Convolutional Neural Network (CNN) Untuk Klasifikasi Jenis Tanah Berbasis Android,” Jurnal Informatika: Jurnal Pengembangan IT, vol. 8, no. 3, hal. 220–225, 2023.
[11] M. R. Ramadhan dan L. Wati, “Klasifikasi Ras Kucing Menggunakan Algoritma Convolutional Neural Network,” Remik: Riset dan E-Jurnal Manajemen Informatika Komputer, vol. 9, no. 3, hal. 851–860, 2025.
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Mohammad Ubaidillah Ridlo
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:
- Copyright on any article is retained by the author(s).
- 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.
- 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.
- 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.
- The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License
