APLIKASI MOBILE UNTUK KLASIFIKASI CITRA RAS KUCING MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN)

Dewi, Amielia Sinta (2026) APLIKASI MOBILE UNTUK KLASIFIKASI CITRA RAS KUCING MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN). Diploma thesis, Politeknik Negeri Sriwijaya.

	Text (COVER) COVER.pdf - Published Version Download (677kB)
	Text (ABSTRAK) ABSTRAK.pdf - Published Version Download (71kB)
	Text (BAB I PENDAHULUAN) BAB I.pdf - Published Version Restricted to Repository staff only Download (84kB) | Request a copy
	Text (BAB II TINJAUAN PUSTAKA) BAB II.pdf - Published Version Restricted to Repository staff only Download (437kB) | Request a copy
	Text (BAB III METODOLOGI PENELITIAN) BAB III.pdf - Published Version Restricted to Repository staff only Download (618kB) | Request a copy
	Text (BAB IV HASIL DAN PEMBAHASAN) BAB IV.pdf - Published Version Download (2MB)
	Text (BAB V PENUTUP) BAB V.pdf - Published Version Restricted to Repository staff only Download (71kB) | Request a copy
	Text (DAFTAR PUSTAKA) DAFTAR PUSTAKA.pdf - Published Version Restricted to Repository staff only Download (257kB) | Request a copy
	Text (LAMPIRAN) LAMPIRAN.pdf - Published Version Restricted to Repository staff only Download (2MB) | Request a copy

Abstract

Kucing merupakan salah satu hewan peliharaan yang banyak diminati oleh masyarakat. Setiap ras kucing memiliki karakteristik fisik yang berbeda, namun kemiripan ciri visual antar ras sering kali menyulitkan proses identifikasi. Kesulitan tersebut dapat menyebabkan pemilik kurang memahami karakteristik dan kebutuhan perawatan yang sesuai bagi kucing peliharaannya. Penelitian ini bertujuan untuk merancang aplikasi mobile yang mampu mengklasifikasikan ras kucing secara otomatis berdasarkan citra yang diberikan pengguna. Untuk memperoleh model classifier yang optimal, penelitian ini melakukan beberapa percobaan konfigurasi hyperparameter pada tiga arsitektur Convolutional Neural Network (CNN), yaitu MobileNetV2, ResNet50, dan AlexNet. Dataset yang digunakan terdiri dari 3.354 citra dari 20 ras kucing sebelum proses augmentasi yang kemudian dibagi menjadi data training, validation, dan testing. Evaluasi model dilakukan menggunakan metrik accuracy, precision, recall, F1-Score, dan confusion matrix. Hasil penelitian menunjukkan bahwa ResNet50 memberikan performa tertinggi dengan nilai Test Accuracy sebesar 90%, Precision sebesar 90%, Recall sebesar 90%, dan F1-Score sebesar 89%. Model tersebut kemudian diimplementasikan pada aplikasi mobile berbasis android bernama “MeonggScan”. Aplikasi berhasil melakukan klasifikasi ras kucing melalui API yang berfungsi sebagai server untuk menjalankan model klasifikasi, sehingga dapat mempermudah dalam mengklasifikasikan ras kucing dan membantu pengguna dalam melakukan perawatan pada kucing peliharaannya.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Ras Kucing, Convolutional Neural Network (CNN), Klasifikasi Citra, Aplikasi Mobile
Subjects:	T Technology > T Technology (General)
Divisions:	Digital Multimedia Information Technology > Undergraduate Theses
Depositing User:	Pustaka Teknik Komputer
Date Deposited:	11 Aug 2026 15:35
Last Modified:	11 Aug 2026 15:35
URI:	http://eprints.polsri.ac.id/id/eprint/24905

Actions (login required)

View Item