SKRIPSI DIGITAL
Sistem Deteksi Jenis Ras Kucing Menggunakan Deep Learning Berbasis = Cat Breed Detection System Using Deep Learning Based on Android
Kucing (Felis catus) merupakan salah satu mamalia yang banyak dijadikan hewan peliharaan. Keanekaragaman ras kucing terus bertambah akibat adanya persilangan, sehingga diperlukan sistem deteksi jenis ras untuk membantu masyarakat mengenali ras kucing dengan lebih mudah. Penelitian ini bertujuan membangun model deep learning untuk mendeteksi jenis ras kucing dari citra serta merancang aplikasi berbasis Android sebagai media implementasinya agar dapat digunakan oleh semua orang. Metode yang digunakan adalah Convolutional Neural Network (CNN) dengan arsitektur YOLOv8 dan MobileNetV2. Dataset penelitian terdiri dari 2.940 citra kucing yang terbagi dalam 13 kelas ras, yaitu Bengal, British Shorthair (BSH), Domestik, Maine Coon, Munchkin, Persia, campuran Persia-Domestik, Ragdoll, Scottish Fold, campuran Scottish Fold-BSH, Siamese, Sphynx, dan bukan kucing (sebagai kelas negatif). Dataset dibagi dengan rasio 90:10, di mana 90% digunakan untuk pelatihan menggunakan Stratified 5-Fold Cross Validation dan 10% sebagai hold-out test set. Hasil pengujian menunjukkan bahwa model MobileNetV2 memperoleh akurasi sebesar 93%, sedangkan YOLOv8 memperoleh akurasi sebesar 89%. Dengan demikian, MobileNetV2 menjadi model yang paling optimal pada penggunaan dataset penelitian ini.
Kata kunci: deteksi ras kucing, deep learning, CNN, YOLOv8, MobileNetV2, Android, klasifikasi gambar, deteksi objek.
Tidak tersedia versi lain
Karya Umum 
Filsafat 
Agama 
Ilmu-ilmu Sosial 
Bahasa 
Ilmu-ilmu Murni 
Ilmu-ilmu Terapan 
Kesenian, Hiburan, dan Olahraga 
Kesusastraan 
Geografi dan Sejarah