Penerapan Convolutional Neural Network pada Klasifikasi Jenis Ras Kucing Menggunakan ResNet50V2

Abstract

Kucing adalah salah satu hewan peliharaan yang paling populer di seluruh dunia. Banyak orang memilih untuk memelihara kucing karena berbagai keunggulannya, seperti meredakan stres dan kecemasan. Banyak jenis ras kucing yang diakui secara internasional yaitu 142 ras kucing dan para ahli biologis telah mengklasifikasikan ras-ras ini ke dalam beberapa kategori. Namun dari banyaknya ras yang ada muncul suatu tantangan bagi manusia dalam membedakan setiap ras karena banyak kucing yang memiliki ciri-ciri fisik yang serupa. Hal ini menyebabkan para pemilik kucing tidak mengetahui jenis ras dari kucing yang mereka pelihara sehingga menjadi masalah karena setiap ras kucing membutuhkan perawatan khusus jika terserang penyakit. Oleh karena itu dalam penelitian ini penulis membuat suatu sistem yang dapat mengklasifikasikan jenis ras kucing berdasarkan 12 kelas yaitu Abyssinia, Bengal, Bombay, Birman, British Shorthair, Egyptian, Maine Coon, Persian, Ragdoll, Russian Blue, Siamese, dan Sphynx. Penelitian ini menggunakan dataset sebanyak 2.402 gambar kucing dan menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur ResNet50V2 serta memanfaatkan pengoptimalan stochastic gradientdescent (SGD). Hasil dari penilitian ini mendapatkan akurasi training sebesar 99,17%, ditambah dengan akurasi validation sebesar 88,13%. Selain itu, loss training dan loss validation yang diperoleh masing-masing adalah 0,3760 dan 0,7857. Melalui penggunaan confusion matrix dan evaluasi seperti precision, recall, f1-score, dan support, menghasilkan akurasi rata-rata sebesar 88%.