Implementasi Algoritma Concolutional Neural Netwrok dan YOLOV8 Untuk Klasifikasi Ras Kucing

Kucing dengan nama ilmiah Felis catus adalah salah satu hewan peliharaan yang sangat populer dan sering dipelihara di berbagai belahan dunia. Terdapat banyak jenis atau ras kucing yang masing-masing memiliki karakteristik dan ciri khas tersendiri, seperti corak, bentuk tubuh, bulu, dan warna. Namun, karena banyaknya ras dan keunikan dari setiap ras tersebut, seringkali sulit bagi orang awam untuk membedakan jenis ras kucing yang ada. Oleh karena itu, diperlukan teknologi dalam mengidentifikasi dan membedakan ras kucing. Dengan membandingkan metode Convolutional Neural Network (CNN) dan YOLOV8, penelitian ini bertujuan untuk mengembangkan model klasifikasi ras kucing. Penelitian ini menggunakan data dari enam ras kucing berbeda yaitu Bengal, Bombay, Himalaya, Lokal, Persia, dan Sphynx. Semuanya ada 1.200 gambar, dengan 200 gambar untuk setiap ras. Sebelum data digunakan untuk pelatihan dengan metode CNN dan YOLOV8, dilakukan tahap preprocessing yang meliputi resize dan rescale untuk metode CNN, sedangkan untuk YOLOV8 dilakukan proses pelabelan data. Ada dua bagian dataset yaitu 20% data validasi dan 80% data pelatihan. Proses pelatihan dilakukan dengan parameter yang sama untuk setiap model, yaitu learning rate sebesar 0,001, batch size sebesar 15, dan 100 epoch. Dari hasil pengujian dengan confusion matrix, model YOLOV8 menunjukkan kinerja terbaik dengan nilai akurasi sebesar 99%, precision 96,1%, recall 98,4%, dan F1-score 97,2%.
Kata Kunci: Confusion matrix, Convolutional Neural Network, Klasifikasi, Ras Kucing, YOLOV8