
Penerapan Multi-Object Detection Menggunakan MobileNetV2-SSD Berbasis Aplikasi Mobile untuk Mengidentifikasi Citra Ras Kucing
Abstrak
Banyak orang memelihara hewan, termasuk kucing, sebagai bentuk dukungan sosial dan penghilang stres. Namun, tidak semua pemilik kucing mengetahui ras kucing peliharaan mereka, padahal identifikasi ras kucing penting untuk perawatan yang sesuai karena setiap ras memiliki karakteristik dan kebutuhan perawatan yang unik. Identifikasi ras kucing secara manual sulit dilakukan, sehingga teknologi computer vision dapat dimanfaatkan untuk mengatasi masalah ini. Penelitian ini bertujuan untuk mengimplementasikan dan mengukur akurasi model MobileNetV2-SSD dalam melakukan multi-object detection untuk mengidentifikasi beberapa ras kucing dalam satu citra menggunakan aplikasi mobile. MobileNetV2-SSD dipilih karena efisiensi komputasi dan ruang penyimpanannya yang ideal untuk perangkat mobile.
Metode penelitian ini terdiri dari beberapa tahapan, yaitu pengumpulan data, data preprocessing, pelatihan model, evaluasi model, dan pengembangan sistem. Data yang digunakan merupakan data sekunder dari Oxford-IIIT Pet Dataset yang mencakup 12 ras kucing. Pengembangan sistem pada penelitian ini memanfaatkan aplikasi mobile.
Hasil penelitian menunjukkan bahwa model ini mampu mendeteksi beberapa ras kucing dengan akurasi berupa nilai mean Average Precision (mAP) dengan Intersection over Union (IoU) 0,5 atau mAP@0,5 sebesar 88,24%. Waktu deteksi rata-rata model pada perangkat mobile adalah 64,6 milidetik.
Kata Kunci: Multi-Object Detection, Ras Kucing, Convolution Neural Network (CNN), MobileNetV2, Single Shot Detector (SSD).
Abstract
Many people keep pets, including cats, as a form of social support and stress relief. However, not all cat owners know the breed of their pet cats, even though identifying the cat breed is important for appropriate care, as each breed has unique characteristics and care requirements. Manual identification of cat breeds is challenging, making computer vision technology a viable solution to address this issue. This study aims to implement and measure the accuracy of the MobileNetV2-SSD model in performing multi-object detection to identify multiple cat breeds in a single image using a mobile application. MobileNetV2-SSD was chosen due to its computational efficiency and storage suitability for mobile devices.
The research methodology consists of several stages, including data collection, data preprocessing, model training, model evaluation, and system development. The data used is secondary data from the Oxford-IIIT Pet Dataset, which includes 12 cat breeds. The system development in this research utilizes a mobile application.
The results show that the model is capable of detecting multiple cat breeds with an accuracy represented by a mean Average Precision (mAP) with an Intersection over Union (IoU) of 0.5, or mAP@0.5, of 88.24%. The average detection time of the model on a mobile device is 64.6 milliseconds.
Keywords: Multi-Object Detection, Cat Breed, Convolution Neural Network (CNN), MobileNetV2, Single Shot Detector (SSD).
BAB I — Pendahuluan
1.1 Latar Belakang
Saat ini, banyak orang yang memelihara hewan. Hewan peliharaan tidak hanya dapat membantu menghilangkan stres tetapi juga sebagai bentuk dukungan sosial yang dapat meningkatkan kesehatan (Compton & Hoffman, 2023; Qatrunnada et al., 2022; J. Kusuma et al., 2022). Salah satu hewan peliharaan yang paling populer adalah kucing. Kucing memiliki variasi ras yang cukup banyak. Setidaknya terdapat 315 ras kucing di seluruh dunia. Namun, tidak semua pemilik kucing mengetahui ras kucing yang mereka miliki. Padahal, perawatan kucing seharusnya dilakukan secara khusus untuk memastikan kesehatannya, sesuai dengan rasnya. Hal ini penting karena setiap ras kucing memiliki karakteristik yang unik, sehingga membutuhkan jenis perawatan yang berbeda (Fawwaz, Ramadhani and Sthevanie, 2020). Oleh karena itu, kemampuan untuk mengidentifikasi ras kucing menjadi penting agar pemilik dapat memberikan perawatan yang sesuai. Setiap ras kucing mempunyai ciri-ciri visual tertentu, sehingga penentuan ras kucing menjadi sulit jika hanya mengandalkan pengamatan mata manusia. Untuk mengatasi hal tersebut, teknologi seperti computer vision dapat dimanfaatkan sebagai solusi yang efektif (Gunawan, Hanafie and Elanda, 2024).
Dalam bidang computer vision, penelitian terkait klasifikasi ras hewan telah banyak dilakukan sebelumnya, seperti studi tentang klasifikasi gambar berdasarkan bentuk wajah kucing menggunakan metode Haar Cascade dan Viola Jones (Effendi, 2018), serta pengenalan kucing ras Scottish Fold menggunakan metode Histogram of Oriented Gradients dan jaringan saraf tiruan (Indriyani, Sthevanie and Ramadhani, 2019). Klasifikasi ras anjing juga pernah dilakukan menggunakan metode Convolutional Neural Network (CNN), yang bertujuan untuk mengenali berbagai jenis ras anjing dan mencapai akurasi sebesar 96,75% (Borwarnginn et al., 2019). Namun, semua studi ini hanya mampu mengidentifikasi citra dengan objek tunggal.
Untuk mendeteksi lebih dari satu objek dalam satu citra, diperlukan suatu pendekatan yang dapat menemukan lebih dari satu objek pada citra masukan, yaitu dengan multi-object detection (Kusuma and Soewito, 2023). Studi tentang multi-object detection pernah dilakukan sebelumnya, seperti studi pada hewan liar menggunakan metode Cascaded YOLOv8 yang berhasil memperoleh hasil akurasi sebesar 97% (Chappidi and Sundaram, 2024). Selain itu, terdapat juga penelitian mengenai deteksi multi-objek menggunakan CNN lainnya, yaitu penelitian yang dilakukan oleh Kusuma and Soewito (2023) menggunakan arsitektur YOLOv7 pada beberapa jenis makanan. Namun, model CNN memiliki karakteristik yang membutuhkan beban komputasi dan ruang penyimpanan yang banyak. Kebutuhan untuk beban komputasi dan ruang penyimpanan dipengaruhi oleh arsitektur model CNN yang digunakan (Khan et al., 2018). Oleh karena itu, pada penelitian yang dilakukan oleh Howard et al. (2017), dirancang arsitektur MobileNet untuk mengatasi masalah beban komputasi dan ruang penyimpanan yang tinggi pada model CNN.
Arsitektur MobileNet dirancang untuk memiliki komputasi dan penyimpanan yang kecil tanpa mengorbankan akurasi (Gulzar, 2023). Arsitektur MobileNet tepat digunakan untuk melakukan klasifikasi pada perangkat yang memiliki keterbatasan ruang penyimpanan dan kemampuan komputasi yang kecil (Xiang et al., 2019). Namun, arsitektur tersebut hanya dapat digunakan untuk melakukan klasifikasi. Untuk melakukan multi-object detection, diperlukan adanya suatu object detector, salah satunya adalah Single Shot MultiBox Detector (SSD) (Chiu et al., 2020). Penelitian multi-object detection menggunakan arsitektur MobileNet-SSD pernah dilakukan oleh Zhang, Yang dan Sinnott (2019) yang memperoleh hasil akurasi sebesar 84,74% pada objek tunggal dan 60% pada objek ganda melalui perangkat mobile. Penelitian lainnya juga pernah dilakukan oleh Bouazizi et al. (2024) dalam melakukan multi-object detection pada lalu lintas dan menghasilkan akurasi sebesar 65,41%.
Berdasarkan penelitian yang dilakukan oleh Xiang et al. (2019) dan Chiu et al. (2020), penelitian ini akan menggunakan arsitektur MobileNet-SSD untuk melakukan multi-object detection. Saat ini, versi yang paling umum digunakan dari arsitektur MobileNet adalah MobileNet versi kedua (MobileNetV2), yang membawa sejumlah keunggulan dibandingkan pendahulunya, seperti penggunaan inverted residual block yang mengurangi jumlah operasi komputasi tanpa mengorbankan akurasi serta efisiensi yang lebih tinggi dalam pengolahan citra pada perangkat dengan kapasitas pemrosesan rendah (Sandler et al., 2018). Dengan demikian, penelitian ini akan menggunakan MobileNetV2-SSD untuk melakukan identifikasi citra ras kucing. Pemilihan kucing sebagai objek utama didasarkan pada perbedaan visual antar ras yang tidak terlalu mencolok, sehingga menjadi tantangan untuk menguji kemampuan MobileNetV2-SSD dalam melakukan identifikasi objek secara efisien.
Penelitian ini akan diimplementasikan pada aplikasi mobile untuk menguji kemampuan MobileNetV2-SSD dalam melakukan multi-object detection pada citra ras kucing. Pemilihan aplikasi mobile didasarkan pada keunggulan perangkat ini yang portabel dan banyak digunakan oleh masyarakat luas (Jain and Viswanathan, 2015). Dengan memanfaatkan aplikasi mobile, model deteksi dapat digunakan secara praktis oleh pengguna kapan saja dan di mana saja tanpa memerlukan perangkat keras tambahan yang kompleks. Selain itu, aplikasi mobile memungkinkan pengujian pada perangkat dengan sumber daya komputasi terbatas, sehingga dapat mengevaluasi sejauh mana arsitektur MobileNetV2-SSD mampu memberikan kinerja yang optimal.
1.2 Rumusan Masalah
Berdasarkan latar belakang di atas, maka rumusan masalah untuk penelitian ini adalah bagaimana akurasi dan kecepatan MobileNetV2-SSD dalam melakukan multi-object detection pada aplikasi mobile untuk mengidentifikasi citra ras kucing.
1.3 Batasan Masalah
Batasan masalah dalam penelitian ini dirancang agar lebih mudah dipahami dan tidak terlalu luas cakupan penulisannya. Adapun batasan masalah pada penelitian ini yaitu penelitian ini hanya akan mencakup 12 ras kucing. Kedua belas ras kucing tersebut adalah Abyssinian, Bengal, Birman, Bombay, British Shorthair, Egyptian Mau, Maine Coon, Persian, Ragdoll, Russian Blue, Siamese, dan Sphynx. Penelitian ini hanya mencakup ras-ras tersebut agar model yang dikembangkan tidak terlalu rumit. Selain itu, citra yang digunakan untuk pengujian pada penelitian ini merupakan citra asli tanpa peningkatan kualitas.
1.4 Tujuan Penelitian
Tujuan dari penelitian ini adalah untuk menerapkan dan mengukur akurasi MobileNetV2-SSD dalam melakukan multi-object detection pada beberapa ras kucing dalam satu citra menggunakan aplikasi mobile.
1.5 Manfaat Penelitian
Penelitian ini dapat membantu pemilik kucing untuk mengetahui ras kucing mereka dengan lebih mudah melalui aplikasi mobile. Selain itu, penelitian ini juga dapat digunakan sebagai alat bantu edukasi untuk mengenalkan masyarakat tentang berbagai ras kucing.
1.6 Tahapan Penelitian
Penelitian ini terbagi menjadi beberapa tahapan, yaitu pengumpulan data, data preprocessing, pelatihan model, evaluasi model, deployment, dan dokumentasi. Berikut adalah rincian dari tiap-tiap tahapan.
-
Pengumpulan data Dalam penelitian ini, data yang digunakan merupakan dataset sekunder, yaitu Oxford-IIIT Pet Dataset yang diambil melalui situs www.robots.ox.ac.uk. Dataset ini berisi citra berbagai ras kucing dan ras anjing. Namun, untuk keperluan penelitian, hanya data citra kucing yang diambil. Selain itu, juga diambil beberapa citra kucing melalui Google Image untuk menambah variasi data.
-
Data preprocessing Pada tahap data preprocessing akan dilakukan data annotation untuk menambahkan informasi berupa label pada tiap citra. Setelah itu, dilakukan resize untuk menyesuaikan ukuran gambar dengan model. Selanjutnya, akan dilakukan data splitting untuk memisahkan antara data yang digunakan dalam proses pelatihan, uji, dan validasi. Terakhir, dilakukan data augmentation pada data training untuk menambah variasi citra.
-
Pelatihan, validasi, dan pengujian model Pada tahap ini akan dilakukan pelatihan dan pengujian pada model. Proses pelatihan dan pengujian akan dilakukan secara lokal melalui Jupyter Notebook. Data pelatihan yang telah dipersiapkan sebelumnya akan digunakan untuk melatih model MobileNetV2-SSD. Data validasi akan digunakan untuk menguji dan memvalidasi hasil dari proses pelatihan tersebut. Setelah proses pelatihan dan validasi selesai, pengujian akhir akan dilakukan untuk mengevaluasi hasil dari model MobileNetV2-SSD yang telah dibuat.
-
Evaluasi model Tahap ini dilakukan untuk melihat kinerja dari model yang telah dibangun. Evaluasi model akan dibagi menjadi dua tahap, yaitu evaluasi waktu deteksi dan evaluasi object detection menggunakan metrik mean Average Precision (mAP).
-
Pengembangan sistem Pada tahap ini, model yang telah diuji akan diintegrasikan ke dalam aplikasi mobile menggunakan bantuan library TensorFlow Lite dan bahasa pemrograman Kotlin.
1.7 Sistematika Penulisan
Sistematika penulisan dalam penelitian ini disusun untuk memberikan alur yang jelas dan terstruktur untuk memudahkan pembaca dan peneliti untuk memahami. Adapun sistematika penulisan yang digunakan dalam menyusun laporan penelitian ini adalah sebagai berikut.
- BAB I Pendahuluan — Bab ini bertujuan untuk memudahkan pembaca dalam memahami maksud dan tujuan dari penelitian ini, yang meliputi latar belakang, rumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, metodologi penelitian, pengembangan sistem, serta sistematika penulisan.
- BAB II Tinjauan Literatur — Bab ini menguraikan konsep-konsep teoritis yang relevan dengan penelitian ini. Selain itu, bab ini juga mencakup tinjauan literatur yang membahas penelitian-penelitian terdahulu yang menjadi acuan dalam penelitian ini.
- BAB III Metodologi Penelitian — Bab ini memberikan penjelasan mendalam mengenai metode yang diterapkan dalam penelitian ini, mencakup proses pengumpulan data, data preprocessing, pelatihan model, evaluasi model, pengembangan sistem, serta evaluasi sistem yang dilakukan untuk menangani permasalahan yang telah diidentifikasi dalam rumusan masalah.
- BAB IV Hasil dan Pembahasan — Bab ini berisi penjelasan mengenai implementasi dari sistem yang telah dikembangkan dan pembahasan mengenai evaluasi multi-object detection pada aplikasi mobile menggunakan MobileNetV2-SSD untuk mengidentifikasi citra ras kucing.
- BAB V Penutup — Bab ini merupakan bagian akhir dari penelitian. Pada bab ini, terdapat kesimpulan dan rekomendasi yang diberikan oleh peneliti untuk meningkatkan sistem di masa depan.
BAB II — Tinjauan Literatur
2.1 Machine Learning
Machine learning atau pembelajaran mesin merupakan salah satu cabang dari kecerdasan buatan yang berfokus pada pengembangan algoritma dan teknik yang memungkinkan komputer untuk belajar dari dan membuat prediksi atau keputusan berdasarkan data. Sesuai namanya, machine learning sering diterapkan untuk menggantikan atau meniru perilaku manusia dalam menyelesaikan masalah atau melakukan otomatisasi, dengan upaya meniru cara manusia dan membuat generalisasi (Hania, 2017).
2.2 Deep Learning
Deep learning adalah salah satu bidang dari pembelajaran mesin yang menggunakan jaringan saraf tiruan dengan banyak lapisan atau disebut juga jaringan saraf dalam untuk memodelkan dan memahami data yang kompleks. Teknik ini terinspirasi oleh struktur dan fungsi otak manusia, dengan tujuan meniru cara otak memproses informasi. Deep learning memungkinkan komputer untuk melakukan tugas-tugas seperti pengenalan gambar, pengenalan suara, pemrosesan bahasa alami, dan banyak aplikasi lainnya dengan tingkat akurasi yang sangat tinggi, sering kali melebihi kemampuan manusia dalam beberapa kasus (Pumsirirat and Yan, 2018). Berikut adalah ilustrasi dari deep learning.

Gambar 2.1. Deep Learning (Pumsirirat and Yan, 2018)
2.3 Computer Vision
Computer vision adalah salah satu bidang ilmiah interdisipliner yang berfokus pada kemampuan komputer untuk mengidentifikasi dan memahami suatu objek dalam gambar dan video (Xu et al., 2021). Output dari proses computer vision adalah pemahaman gambar. Pengembangan bidang ini dilakukan dengan mengadaptasi kemampuan penglihatan manusia dalam mengambil informasi. Tujuan utama computer vision adalah untuk membuat model dan mengekstrak data serta informasi yang berasal dari gambar atau video (Wiley and Lucas, 2018).
2.4 Convolution Neural Network
Convolutional Neural Network atau disingkat CNN merupakan salah satu arsitektur deep neural network yang paling populer. Nama arsitektur ini diambil dari operasi linier matematika pada matriks yang disebut convolution. Arsitektur model CNN memiliki kinerja yang sangat baik dalam masalah machine learning, terutama pada aplikasi yang berhubungan dengan data gambar (Albawi, Mohammed and Al-Zawi, 2017).
Menurut penelitian yang dilakukan oleh O’Shea and Nash (2015), arsitektur model CNN terdiri dari tiga lapisan atau layer, yaitu convolution layer, pooling layer, dan fully connected layer. Convolution layer merupakan lapisan yang berfungsi untuk mengekstraksi fitur dari gambar input. Lapisan ini menggunakan operator konvolusi untuk menentukan fitur-fitur yang ada pada gambar input. Ekstraksi fitur dilakukan dengan cara menghitung antara gambar input yang telah dikonversi menjadi matriks dengan filter atau kernel dengan operasi dot product, di mana setiap filter dipindahkan di seluruh area input, dan dot product dilakukan di setiap posisi untuk menghasilkan feature map. Berikut adalah persamaan matematis pada proses konvolusi (Howard et al., 2017).
Keterangan:
| Simbol | Keterangan |
|---|---|
| Ukuran dimensi matrix | |
| Nilai pixel pada citra input dengan posisi | |
| Nilai kernel pada posisi | |
| False negative pada kelas k |
Setelah proses konvolusi, berikutnya akan diterapkan fungsi aktivasi pada hasil konvolusi. Fungsi aktivasi membantu model menangani non-linearitas, sehingga dapat mempelajari dan memprediksi pola yang lebih kompleks. Fungsi aktivasi yang paling umum digunakan di dalam jaringan konvolusi (CNN) adalah ReLU (Rectified Linear Unit). ReLU merupakan fungsi aktivasi yang memetakan nilai negatif menjadi nol, sedangkan nilai positif dipertahankan, seperti yang ditunjukkan pada Gambar 2.2.

Gambar 2.2. Fungsi aktivasi ReLU
Setelah menerapkan fungsi aktivasi, proses konvolusi dilanjutkan dengan melakukan pooling. Pooling digunakan untuk mengurangi dimensi feature map, mengurangi jumlah parameter, dan mempercepat komputasi, sekaligus mempertahankan fitur penting. Ada dua jenis pooling yang umum digunakan, yaitu Max Pooling dan Average Pooling. Max pooling bertujuan untuk mengambil nilai maksimum dari sekelompok elemen dalam feature map, sedangkan average pooling menghitung rata-rata dari nilai dalam jendela pooling. Perbedaan dari max pooling dan average pooling ditunjukkan pada Gambar 2.3.

Gambar 2.3. Max pooling dan average pooling (Meliuwati and Kurniati, 2022)
Output dari convolution layer adalah feature map, yaitu representasi atau hasil transformasi dari input gambar yang mencerminkan fitur-fitur penting seperti tepi, tekstur, pola, atau bentuk tertentu yang telah dideteksi oleh filter (kernel) dalam lapisan konvolusi. Proses konvolusi dan pooling dilakukan dalam beberapa kali secara berulang dengan setiap lapisan konvolusi bertanggung jawab untuk mengekstraksi fitur yang semakin kompleks. Lapisan pertama mungkin menangkap fitur sederhana seperti tepi, sementara lapisan yang lebih dalam dapat menangkap pola yang lebih abstrak seperti bentuk atau objek tertentu. Hasil dari proses tersebut kemudian diteruskan ke lapisan fully connected (fully connected layer) untuk dilakukan klasifikasi (Liang, Deng and Zeng, 2020). Arsitektur model CNN diilustrasikan seperti pada Gambar 2.4.

Gambar 2.4. Arsitektur model Convolution Neural Network (Kumar, Luo and Shaukat, 2023)
2.4.1 MobileNet
MobileNet merupakan arsitektur CNN yang dirancang untuk efisiensi, dengan dua set hyper-parameter yang memungkinkan pembuatan model yang sangat kecil dan berlatensi rendah. Arsitektur model ini cocok diimplementasikan pada perangkat yang memiliki kemampuan komputasi yang terbatas.
Perbedaan utama antara arsitektur MobileNet dan arsitektur CNN pada umumnya terletak pada penggunaan layer depthwise separable convolutions. Proses konvolusi dengan arsitektur CNN pada umumnya bekerja dengan cara mengambil seluruh channel gambar dan mengaplikasikan filter atau kernel secara bersamaan. Setiap filter menghasilkan feature map yang menggabungkan informasi dari semua channel gambar sekaligus, sehingga memerlukan banyak komputasi. Ilustrasi dari proses konvolusi pada arsitektur CNN standar ditunjukkan pada Gambar 2.5.

Gambar 2.5. Arsitektur CNN standar (O’Shea and Nash, 2015)
Pada MobileNet, proses ini dibagi menjadi dua langkah, yaitu depthwise convolution dan pointwise convolution. Depthwise convolution memproses setiap channel gambar secara terpisah, menggunakan satu filter untuk setiap channel. Setelah itu, pointwise convolution (konvolusi 1×1) menggabungkan hasil dari depthwise convolution untuk memadukan informasi dari semua channel. Pendekatan ini mengurangi jumlah operasi komputasi, yang membuat arsitektur MobileNet menjadi lebih ringan dan lebih cepat dibandingkan arsitektur CNN standar (Howard et al., 2017).

Gambar 2.6. Arsitektur MobileNet (Howard et al., 2017)
2.4.2 MobileNetV2
MobileNetV2 adalah sebuah arsitektur CNN yang dirancang untuk efisiensi komputasi dan akselerasi dalam tugas-tugas visi komputer, terutama pada perangkat dengan keterbatasan komputasi seperti ponsel dan perangkat IoT. MobileNetV2 diperkenalkan oleh Google pada tahun 2018 melalui penelitian yang dilakukan oleh Sandler et al. (2018). Arsitektur ini merupakan pengembangan dari MobileNetV1, dengan fokus utama pada optimalisasi penggunaan daya dan sumber daya tanpa mengorbankan akurasi. Perbedaan antara arsitektur MobileNetV1 dan MobileNetV2 ditunjukkan pada Gambar 2.7.

Gambar 2.7. Konvolusi arsitektur (a) MobileNet (b) MobileNetV2 (Sandler et al., 2018)
Menurut penelitian tersebut, arsitektur MobileNetV2 menggunakan teknik yang disebut inverted residual block sebagai inti dari arsitekturnya. Inverted residual block adalah modifikasi dari residual block yang sebelumnya pernah digunakan oleh arsitektur lain, seperti ResNet. Perbedaan antara keduanya adalah residual block umumnya menggunakan konvolusi standar, sedangkan inverted residual block memanfaatkan depthwise separable convolutions, yang memisahkan konvolusi menjadi dua langkah, yaitu depthwise convolution dan pointwise convolution. Hal tersebut memungkinkan pengolahan fitur dengan lebih efisien, serta mengurangi jumlah parameter dan komputasi yang diperlukan. Perbedaan keduanya ditunjukkan pada Gambar 2.8.

Gambar 2.8. (a) Residual block (b) Inverted residual block (Sandler et al., 2018)
Hasil dari inverted residual block disalurkan langsung ke layer berikutnya tanpa melewati fungsi aktivasi setelah pointwise convolution, yang disebut dengan linear bottleneck. Pendekatan ini diterapkan untuk mencegah hilangnya informasi penting yang dapat terjadi akibat penggunaan fungsi aktivasi. Dengan menghilangkan fungsi aktivasi setelah proses pointwise convolution, arsitektur MobileNetV2 dapat mengoptimalkan kinerja dan efisiensi, terutama pada perangkat dengan keterbatasan komputasi, sehingga menghasilkan representasi fitur yang lebih baik dan meningkatkan akurasi dalam deteksi objek.
2.5 Object Detection
Object detection merupakan salah satu jenis dari computer vision yang berfokus pada pendeteksian suatu objek semantik dari suatu kelas (seperti manusia, bangunan, atau mobil) dalam gambar dan video digital. Tujuan utama dari object detection adalah untuk mendeteksi dan menempatkan objects of interest pada suatu gambar atau video. Object of interest adalah istilah yang merujuk pada objek tertentu dalam sebuah gambar atau video yang menjadi fokus analisis atau pengenalan. Object of interest pada umumnya dibatasi dengan pembatas berbentuk persegi panjang atau yang biasa disebut dengan bounding box. Bounding box dibuat dengan cara mengidentifikasi posisi dan batas objek dalam sebuah citra, serta mengklasifikasikan objek yang ada dalam batas tersebut dan memberi label pada objek tersebut ke dalam berbagai kategori atau kelas untuk menunjukkan tingkat kepercayaan adanya objek tersebut. Contoh penerapan object detection ditunjukkan pada Gambar 2.9.

Gambar 2.9. Contoh penerapan object detection (Amjoud and Amrouch, 2023)
Pada object detection, terdapat dua pendekatan utama dalam mendeteksi dan mengklasifikasikan objek, yaitu single-stage dan two-stage detectors. Single-stage detectors mendeteksi dan mengklasifikasikan objek dalam satu langkah proses. Model ini langsung menghasilkan bounding box serta prediksi kelas objek dalam satu tahap, sehingga lebih cepat dan efisien. Sementara itu, two-stage detectors bekerja dalam dua tahap. Pada tahap pertama, model akan menghasilkan region proposals, yaitu daerah-daerah dalam gambar yang mungkin mengandung objek. Pada tahap kedua, region proposals tersebut kemudian dievaluasi dan diproses untuk klasifikasi serta prediksi bounding box yang lebih presisi. Pendekatan two-stage detectors umumnya menghasilkan akurasi yang lebih tinggi, tetapi prosesnya lebih lambat dibandingkan single-stage detectors (Amjoud and Amrouch, 2023).
2.5.1 Single Shot Detector (SSD)
Single Shot Detector (SSD) adalah salah satu arsitektur yang digunakan dalam melakukan deteksi objek. Dalam arsitektur SSD, deteksi objek dilakukan secara langsung dalam satu proses atau yang biasa disebut dengan single stage object detector, yang membuatnya lebih efisien dibandingkan metode deteksi objek lain yang memerlukan beberapa langkah seperti Faster R-CNN.
Menurut penelitian yang dilakukan oleh Liu et al. (2015), arsitektur SSD mengintegrasikan berbagai fitur yang memungkinkan deteksi objek yang cepat dan akurat. SSD memanfaatkan multi-scale feature maps, di mana beberapa layer dari jaringan konvolusi digunakan untuk mendeteksi objek dengan ukuran yang bervariasi. Dengan menggabungkan informasi dari layer yang lebih dalam dan lebih awal, SSD dapat menangkap detail objek kecil dan besar secara bersamaan. Selain itu, penggunaan convolutional predictors dalam arsitektur ini memungkinkan model untuk secara langsung menghasilkan bounding box dan prediksi kelas untuk setiap grid cell pada feature map, sehingga menghilangkan kebutuhan akan tahap proposal objek terpisah. SSD juga menggunakan default boxes dengan berbagai rasio aspek untuk mengatasi berbagai bentuk objek, yang membuatnya semakin efektif dalam mendeteksi objek dalam beragam situasi. Berikut merupakan gambar dari arsitektur SSD.

Gambar 2.10. Arsitektur Single Shot Detector (SSD) (Liu et al., 2015)
2.6 Matriks Evaluasi
Dalam mengevaluasi suatu model, sebuah pengukuran diperlukan untuk menilai kualitas model yang telah dikembangkan. Confusion matrix adalah salah satu pengukuran evaluasi yang umum digunakan untuk mengevaluasi kinerja model klasifikasi. Confusion matrix menyajikan jumlah prediksi yang bernilai benar (true) dan salah (false) ke dalam bentuk tabel. Pada object detection, tabel pada confusion matrix terdiri dari 3 bagian, yaitu True Positive, False Positive, dan False Negative. True Positive (TP) adalah jumlah kasus positif yang diprediksi dengan benar oleh model. Artinya, model memprediksi suatu contoh sebagai positif, dan memang benar adanya. False Positive (FP) adalah jumlah kasus negatif yang salah diprediksi sebagai positif oleh model. Model memprediksi suatu contoh sebagai positif, tetapi sebenarnya negatif atau tidak ada. False Negative (FN) adalah jumlah kasus positif yang salah diprediksi oleh model. Model tidak memprediksi sesuatu, tetapi sebenarnya ada (Hossin and Sulaiman, 2015).
Penentuan nilai TP, FP, FN pada object detection ditentukan dengan mempertimbangkan nilai Intersection over Union (IoU). IoU mengukur tingkat kesesuaian antara bounding box prediksi dan bounding box pada ground truth. Ground truth adalah bounding box yang diberikan pada gambar untuk menunjukkan posisi dan jenis objek yang benar. Jika nilai IoU di atas threshold yang telah ditetapkan, maka prediksi tersebut dianggap sebagai True Positive (TP). Sebaliknya, jika nilai IoU di bawah threshold tetapi model tetap memberikan prediksi, itu dikategorikan sebagai False Positive (FP). Selain itu, objek yang tidak terdeteksi oleh model, meskipun ada di ground truth, dihitung sebagai False Negative (FN), seperti yang ditunjukkan pada Gambar 2.11. Berikut adalah persamaan untuk menghitung IoU (Rezatofighi et al., 2019).

Gambar 2.11. Ilustrasi Intersection over Union (IoU)
Keterangan:
| Simbol | Keterangan |
|---|---|
| Bounding box prediksi | |
| Bounding box pada ground truth |
Dengan menggunakan nilai TP, FP, dan FN dari confusion matrix, dapat dihitung berbagai metrik evaluasi, seperti precision dan recall. Namun, precision dan recall digunakan sebagai metrik evaluasi pada model klasifikasi, karena hanya mengukur seberapa baik model dalam mengklasifikasikan kategori yang benar. Untuk dapat melakukan evaluasi pada object detection, diperlukan pengukuran yang lain, karena object detection tidak hanya memerlukan klasifikasi yang benar, tetapi juga memerlukan prediksi lokasi objek yang tepat dalam gambar. Standar pengukuran pada model object detection adalah mean Average Precision (mAP), yang mempertimbangkan klasifikasi objek dan penentuan lokasi objek melalui bounding box (Carbonell et al., 2019). Pengukuran dengan mAP dilakukan dengan menggabungkan dan menghitung rata-rata dari nilai Average Precision (AP) untuk setiap kelas yang ada dalam sebuah dataset. Nilai AP didapat dari perhitungan yang melibatkan dua metrik utama dalam object detection, yaitu precision dan recall. Perhitungan precision, recall, dan AP dapat dihitung dengan persamaan sebagai berikut (Hossin and Sulaiman, 2015).
Keterangan:
| Simbol | Keterangan |
|---|---|
| True positive pada kelas k | |
| False positive pada kelas k | |
| False negative pada kelas k | |
| Kelas k |
Pada model object detection, nilai TP, FP, dan FN diperoleh dengan menghitung nilai Intersection over Union (IoU). Nilai IoU didapatkan dengan mengukur irisan antara dua bounding box, yaitu bounding box pada hasil prediksi dan bounding box yang asli. Semakin besar nilai IoU, semakin baik prediksi bounding box tersebut menggambarkan objek yang sebenarnya. Untuk menentukan apakah sebuah prediksi dianggap sebagai TP atau FP, diperlukan threshold pada IoU, yaitu nilai batas minimum yang harus dicapai oleh IoU agar prediksi dianggap benar. Sebagai contoh, suatu model memiliki nilai threshold IoU sebesar 0,5. Hal tersebut memiliki arti jika IoU pada suatu prediksi bernilai kurang dari 0,5, maka kasus tersebut dianggap sebagai False Positive (FP), sedangkan jika IoU pada suatu prediksi bernilai lebih dari 0,5, maka kasus tersebut dianggap sebagai True Positive (TP) (Rezatofighi et al., 2019).
Setelah mendapatkan nilai Average Precision, langkah selanjutnya adalah menghitung nilai mAP dengan menggunakan persamaan sebagai berikut (Padilla et al., 2021).
Keterangan:
| Simbol | Keterangan |
|---|---|
| Average precision pada kelas k | |
| Jumlah kategori kelas pada dataset |
2.7 Penelitian Terdahulu
Penelitian mengenai ras kucing telah dilakukan sebelumnya, dengan fokus pada penerapan berbagai arsitektur untuk mengenali ras kucing. Penelitian yang dilakukan oleh Zhang, Yang and Sinnott (2019) menggunakan arsitektur MobileNetV1-FPN-SSD untuk melakukan deteksi objek. Penelitian tersebut menggunakan 4 sumber untuk memperoleh dataset. Sumber pertama adalah Oxford-IIIT Pet Dataset dengan 2371 gambar yang terbagi ke dalam 12 kelas dengan penambahan informasi mengenai bounding box. Sumber kedua diperoleh dari situs ImageNet dan mengubah beberapa informasi dari gambar yang diambil karena beberapa gambar masih memiliki label dan informasi bounding box yang salah. Sumber ketiga dan keempat diperoleh melalui situs Flickr dan Google Image dengan memanfaatkan web scraping. Secara keseluruhan terdapat 12451 citra yang terbagi ke dalam 14 kelas. Penelitian ini menggunakan mean Average Precision (mAP) dengan ambang batas IoU yaitu 50% dan diperoleh nilai sebesar 81,74%.
Penelitian lainnya juga pernah dilakukan oleh Qatrunnada, Fachrurrozi and Utami (2022) menggunakan arsitektur Xception. Penelitian ini menggunakan Cat Breeds Dataset yang diperoleh melalui situs Kaggle dengan total 13.060 citra yang terbagi ke dalam 5 kelas sebagai sumber data. Penelitian ini memperoleh akurasi sebesar 100% pada gambar yang mengandung 2 dan 3 objek. Sementara itu, akurasi pada gambar dengan 4 objek adalah 95%, dan pada gambar dengan 5 objek adalah 94%.
Penelitian mengenai pengenalan citra pada ras kucing juga pernah dilakukan oleh Fawwaz, Ramadhani and Sthevanie (2020) menggunakan berbagai arsitektur model, yaitu VGG16, InceptionV3, ResNet50 dan Xception. Penelitian ini menggunakan dataset yang diambil dari Oxford-IIIT Pet Dataset dengan total 2393 citra yang terbagi ke dalam 12 kelas. Hasil penelitian ini memperoleh akurasi sebesar 60,85% menggunakan arsitektur VGG16, 84,94% menggunakan arsitektur InceptionV3, 71,39% menggunakan arsitektur ResNet50, dan 93,75% menggunakan arsitektur Xception.
Penelitian lainnya mengenai pengenalan citra pada ras kucing juga pernah dilakukan oleh Gunawan, Hanafie and Elanda (2024). Penelitian ini menggunakan metode CNN untuk melakukan klasifikasi citra pada ras kucing. Dataset yang digunakan pada penelitian ini diperoleh dari internet dengan total 1.500 citra yang terbagi ke dalam 5 kelas. Penelitian ini memperoleh akurasi sebesar 77,62%.
Penelitian-penelitian yang telah disebutkan sebelumnya dapat dirangkum ke dalam tabel state of the art. Tabel ini menyajikan ringkasan dari berbagai penelitian tersebut, seperti yang ditampilkan pada tabel berikut.
Tabel 2.1. State of The Art
| No | Penulis | Sumber Data | Jenis Computer Vision Task | Hasil |
|---|---|---|---|---|
| 1 | Zhang, Yang and Sinnott (2019) | Oxford-IIIT Pet Dataset, ImageNet, Flickr, dan Google Image dengan total 12451 citra yang terbagi ke dalam 14 kelas. | Multi-object detection pada 14 ras kucing menggunakan MobileNetV1-FPN-SSD. | mean Average Precision (mAP)@0,5 sebesar 81,74%. |
| 2 | Qatrunnada, Fachrurrozi and Utami (2022) | Cat Breeds Dataset pada situs Kaggle dengan total 13.060 citra yang terbagi ke dalam 5 kelas. | Multi-label classification pada 5 ras kucing menggunakan arsitektur Xception. | Akurasi sebesar 100% pada citra dengan 2 dan 3 objek, 95% pada citra dengan 4 objek, dan 94% pada citra dengan 5 objek. |
| 3 | Rajeswari et al. (2023) | Asian vs African elephant dataset pada situs Kaggle dengan total 1028 citra yang terbagi menjadi 2 kelas. | Real-time multi-object detection pada gajah menggunakan MobileNetV2-SSD. | Akurasi sebesar 90% s/d 100% jika objek berada pada background yang jelas dan akurasi sebesar 80% s/d 90% jika sebagian objek tertutup. |
| 4 | Kellenberger, Volpi and Tuia (2017) | Gambar UAV yang diambil dari Kuzikus Wildlife Reserve park dengan total 1196 citra. | Real-time multi-object detection pada hewan liar menggunakan Fast R-CNN sebagai model baseline. | Precision dan recall sebesar 70% dan 74%. Rata-rata kecepatan deteksi sebesar 73,62%. |
| 5 | Rančić et al. (2023) | Citra UAV diperoleh dari tempat berburu yang berlokasi di wilayah barat laut Serbia dengan total 169 objek pada dataset. | Real-time multi-object detection pada rusa menggunakan YOLOv4, YOLOv4-tiny, YOLOv3, dan MobileNet-SSD. | mAP sebesar 71% pada model YOLOv4, 65% pada model YOLOv4-tiny, 38% pada model YOLOv3, dan 70% pada model MobileNet-SSD. |
| 6 | Chappidi and Sundaram (2024) | Kaggle Animal Images Dataset (KAD) dengan total 5784 citra yang terbagi ke dalam 28 kelas. | Multi-object detection pada hewan liar menggunakan Cascaded YOLOv8. | Akurasi sebesar 97%. |
| 7 | Fawwaz, Ramadhani and Sthevanie (2020) | Oxford-IIIT Pet Dataset dengan total 2393 citra yang terbagi ke dalam 12 kelas. | Klasifikasi 12 ras kucing menggunakan arsitektur VGG16, InceptionV3, ResNet50, dan Xception. | Akurasi sebesar 60,58% pada arsitektur VGG16, 84,94% pada InceptionV3, 71,39% pada ResNet50, dan 93,75% pada Xception. |
| 8 | Gunawan, Hanafie and Elanda (2024) | Citra diperoleh dari internet dengan total 1500 citra yang terbagi ke dalam 5 kelas. | Klasifikasi 5 ras kucing menggunakan CNN. | Akurasi sebesar 77,62%. |
Berdasarkan penelitian sebelumnya, penelitian yang akan dilakukan memiliki kesamaan dalam fokus objek penelitian, yaitu citra ras kucing. Namun, penelitian ini akan dibedakan berdasarkan data yang digunakan, metode yang digunakan, serta hasil yang diperoleh. Berikut adalah perbandingan antara penelitian yang akan dilakukan dengan penelitian sebelumnya.
- Penelitian yang dilakukan oleh Zhang, Yang and Sinnott (2019) menggunakan arsitektur MobileNetV1 sebagai feature extractor untuk melakukan deteksi citra ras kucing. Sementara itu, penelitian ini menggunakan arsitektur MobileNetV2 yang menawarkan peningkatan efisiensi dan performa dibandingkan dengan MobileNetV1.
- Penelitian yang dilakukan oleh Qatrunnada, Fachrurrozi and Utami (2022) hanya mengidentifikasi 5 ras kucing, sedangkan penelitian ini akan melakukan identifikasi terhadap 12 ras kucing.
- Penelitian yang dilakukan oleh Rajeswari et al. (2023) dan Rančić et al. (2023) berfokus pada identifikasi gajah dan rusa, sedangkan penelitian ini akan berfokus pada identifikasi ras kucing.
- Penelitian yang dilakukan oleh Kellenberger, Volpi dan Tuia (2017) dan Chappidi dan Sundaram (2024) berfokus pada deteksi hewan liar secara umum. Sementara itu, penelitian ini akan berfokus pada deteksi ras kucing.
- Penelitian yang dilakukan oleh Fawwaz, Ramadhani dan Sthevanie (2020) dan Gunawan, Hanafie and Elanda (2024) berfokus pada klasifikasi citra ras kucing dengan batasan hanya dapat mengenali 1 objek pada 1 citra. Di sisi lain, penelitian ini akan berfokus pada multi-object detection yang memungkinkan pengenalan lebih dari satu objek dalam satu citra.
BAB III — Metodologi Penelitian
Metodologi penelitian yang diterapkan pada penelitian ini adalah metode kuantitatif tipe eksperimental. Penelitian ini memiliki sifat implementatif yang bertujuan untuk mengembangkan sebuah sistem deteksi objek ganda terhadap 12 jenis ras kucing menggunakan arsitektur MobileNetV2-SSD. Tahapan-tahapan dalam metodologi penelitian ini akan dijelaskan secara rinci seperti yang ditunjukkan pada Gambar 3.1.

Gambar 3.1. Alur metodologi penelitian
3.1 Pengumpulan Data
Pada tahap ini dilakukan pengumpulan data yang akan digunakan pada tahap selanjutnya. Data yang digunakan berupa data sekunder. Data ini berasal dari dataset yang bernama Oxford-IIIT Pet Dataset. Dataset ini berjumlah 7349 citra yang terdiri dari 2 jenis, yaitu citra ras anjing dan citra ras kucing. Pada penelitian ini, hanya diambil citra ras kucing saja. Selain itu, beberapa citra juga diambil melalui Google Image untuk menambah variasi data. Secara keseluruhan, terdapat 2450 citra yang terdiri dari 12 ras kucing yang akan digunakan pada penelitian ini. Berikut adalah contoh citra masing-masing ras kucing dari dataset yang telah dikumpulkan.
Tabel 3.1. Contoh dataset
| No. | Kelas | Contoh Gambar |
|---|---|---|
| 1 | Abyssinian | ![]() |
| 2 | Bengal | ![]() |
| 3 | Birman | ![]() |
| 4 | Bombay | ![]() |
| 5 | British Shorthair | ![]() |
| 6 | Egyptian Mau | ![]() |
| 7 | Maine Coon | ![]() |
| 8 | Persian | ![]() |
| 9 | Ragdoll | ![]() |
| 10 | Russian Blue | ![]() |
| 11 | Siamese | ![]() |
| 12 | Sphynx | ![]() |
3.2 Data Preprocessing
Setelah data terkumpul, berikutnya akan dilakukan data preprocessing yang bertujuan untuk mempersiapkan data agar dapat digunakan dengan model MobileNetV2-SSD. Pada penelitian ini, data preprocessing terbagi menjadi 4 tahapan, yaitu data annotation, data splitting, image resize, dan data augmentation. Semua proses data preprocessing dilakukan dengan bantuan tools Roboflow yang dapat diakses melalui website https://app.roboflow.com/. Bagan alir dari proses data preprocessing ditunjukkan pada Gambar 3.2.

Gambar 3.2. Bagan alir data preprocessing
3.2.1 Data Annotation
Data annotation atau anotasi data adalah proses menambahkan label pada suatu data agar dapat dikenali oleh mesin. Pada dataset berupa gambar, anotasi data dilakukan dengan menggambar kotak di sekitar objek pada gambar. Setelah kotak tersebut dibuat, langkah berikutnya adalah memberi label sesuai dengan kelas objek tersebut. Setiap kelas objek akan memiliki warna kotak pembatas yang berbeda. Berikut ini adalah bagan alir dari proses data annotation yang ditampilkan pada Gambar 3.3 dan contoh hasil anotasi untuk setiap kelas pada ke-12 ras kucing yang disajikan pada Tabel 3.3.

Gambar 3.3. Bagan alir proses data annotation
Tabel 3.3. Contoh hasil anotasi
| No. | Kelas | Warna Bounding Box | Contoh Gambar Hasil Anotasi |
|---|---|---|---|
| 1 | Abyssinian | Oranye | ![]() |
| 2 | Bengal | Ungu | ![]() |
| 3 | Birman | Merah | ![]() |
| 4 | Bombay | Cyan | ![]() |
| 5 | British Shorthair | Cokelat muda | ![]() |
| 6 | Egyptian Mau | Biru muda | ![]() |
| 7 | Maine Coon | Kuning | ![]() |
| 8 | Persian | Merah muda | ![]() |
| 9 | Ragdoll | Biru | ![]() |
| 10 | Russian Blue | Ungu muda | ![]() |
| 11 | Siamese | Biru tua | ![]() |
| 12 | Sphynx | Cokelat | ![]() |
3.2.2 Data Splitting
Data yang telah dianotasi kemudian akan melalui proses data splitting. Data splitting merupakan proses pembagian dataset menjadi beberapa subset. Dalam penelitian ini, dataset akan dibagi menjadi 3 bagian, yaitu data training, data validation, dan data testing. Pada proses data splitting, jumlah data training harus lebih besar dibandingkan data validation dan data testing. Jika data training terlalu sedikit, maka model akan kesulitan belajar dari data yang tersedia, sehingga mengakibatkan performa model menjadi kurang optimal (Azahro Choirunisa, Karlita and Asmara, 2021). Pada penelitian ini akan dilakukan data splitting dengan rasio pembagian berturut-turut yaitu 70%, 20%, dan 10%, karena pembagian tersebut merupakan rasio yang ideal dalam melakukan data splitting (Gholamy, Kreinovich and Kosheleva, 2018). Dengan demikian, didapatkan 1717 data training, 488 data validation, dan 245 data testing. Data splitting dilakukan secara acak pada masing-masing kelas.
3.2.3 Image Resize
Image resize adalah proses mengubah ukuran gambar ke dimensi tertentu, baik itu mengubah resolusi gambar menjadi lebih kecil atau lebih besar agar sesuai dengan persyaratan model machine learning. Pada penelitian ini, seluruh citra pada ketiga jenis data akan diubah ukurannya menjadi 320×320 piksel untuk menyesuaikan dengan kebutuhan model MobileNetV2-SSD. Ilustrasi proses resize citra ditampilkan pada Gambar 3.4.

Gambar 3.4. Ilustrasi proses resize citra
3.2.4 Data Augmentation
Data augmentation atau augmentasi data adalah proses untuk memperluas dan memperkaya dataset dengan cara menciptakan variasi dari data yang sudah ada. Dalam penelitian ini, beberapa teknik data augmentation diterapkan untuk menciptakan variasi pada gambar yang ada, yaitu flip secara horizontal, flip secara vertikal, rotasi antara −15 derajat sampai dengan 15 derajat, dan pengaturan brightness antara −15% sampai dengan 15%.
Penerapan data augmentation hanya dilakukan pada data training, yang bertujuan untuk menghindari overfitting. Hal ini dilakukan untuk mencegah kebocoran data atau data leakage, yang dapat terjadi apabila proses augmentasi diterapkan pada data uji atau validasi, yang menyebabkan hasil evaluasi model tidak akurat (Bouke and Abdullah, 2023).
Hasil dari proses augmentasi menambah data training yang semula berjumlah 1777 data menjadi 5151 data, sehingga didapatkan data akhir sebanyak 5884 dengan pembagian yaitu 5151 data training, 488 data validation, dan 245 data testing. Contoh hasil dari proses data augmentation ditunjukkan pada Tabel 3.5.
Tabel 3.5. Contoh hasil data augmentation
| No | Proses Augmentasi | Gambar Hasil Augmentasi |
|---|---|---|
| 1 | Flip horizontal | ![]() |
| 2 | Flip vertikal | ![]() |
| 3 | Rotasi −15 derajat | ![]() |
| 4 | Rotasi 15 derajat | ![]() |
| 5 | Brightness −15% | ![]() |
| 6 | Brightness 15% | ![]() |
3.3 Pelatihan Model
Setelah melakukan proses data augmentation, akan dilakukan pelatihan model. Pelatihan model akan dibagi menjadi dua tahapan, yaitu konfigurasi training job dan pelatihan model MobileNetV2-SSD. Bagan alir dari proses pelatihan model ditunjukkan pada Gambar 3.5.

Gambar 3.5. Bagan alir proses pelatihan model
3.3.1 Konfigurasi Training Job
Langkah pertama yang perlu dilakukan pada tahapan pelatihan model adalah melakukan konfigurasi training job agar model dapat dilatih dengan benar. Hal ini mencakup berbagai langkah, seperti mengubah dataset menjadi format yang sesuai, melakukan konfigurasi pipeline pada arsitektur model yang dipilih, serta penyesuaian parameter pelatihan.
Dataset yang telah dilakukan augmentasi akan dikonversi ke dalam format .tfrecord yang merupakan format data yang dioptimalkan untuk digunakan dalam TensorFlow. Pada penelitian ini, konversi dataset akan dilakukan dengan bantuan tools Roboflow seperti pada Gambar 3.6.
!pip install roboflow
from roboflow import Roboflow
rf = Roboflow(api_key="<API_KEY>")
project = rf.workspace("rafli-6wsid").project("skripsi-bjir")
version = project.version(7)
dataset = version.download("tfrecord")
Gambar 3.6. Konversi dataset dengan tools Roboflow
Setelah dilakukan konversi format, berikutnya adalah membuat arsitektur model yang akan digunakan. Pada penelitian ini, arsitektur model tidak dibuat dari awal, melainkan akan menggunakan model pralatih dari TensorFlow Object Detection API yang dapat diakses pada website https://github.com/tensorflow/models/. Model pralatih yang akan digunakan adalah SSD MobileNetV2 320×320. Setelah itu, akan dilakukan konfigurasi pipeline pada arsitektur model yang telah dibuat. Secara default, beberapa konfigurasi sudah disediakan. Namun, untuk mengoptimalkan kinerja model, diperlukan proses tuning. Selain itu, beberapa bagian konfigurasi yang belum terisi juga perlu disesuaikan sebelum digunakan.

Gambar 3.7. Tahapan konfigurasi pipeline
Alur pada Gambar 3.7 menggambarkan konfigurasi pipeline yang terbagi menjadi 3 bagian, yaitu konfigurasi model, konfigurasi training, dan konfigurasi eval. Bagian konfigurasi model menentukan jenis model yang akan dilatih, termasuk arsitektur utamanya dan jenis feature extractor yang digunakan. Pada penelitian ini, akan digunakan arsitektur SSD dan MobileNetV2 sebagai feature extractor.
Bagian konfigurasi training berisi pengaturan yang menentukan bagaimana model dilatih, termasuk parameter yang akan digunakan selama pelatihan, seperti menentukan nilai learning rate, ukuran batch (batch size), menentukan training steps atau iterasi, serta menentukan dataset yang akan digunakan selama proses pelatihan. Penentuan nilai learning rate digunakan untuk mengatur seberapa cepat model akan belajar. Nilai learning rate yang terlalu tinggi bisa menyebabkan pelatihan tidak stabil, sementara nilai learning rate yang terlalu rendah bisa membuat pelatihan lambat (Zhang, Yang and Sinnott, 2019). Penelitian ini akan menggunakan learning rate sebesar 0,008.
Selanjutnya, dilakukan penentuan batch size, yaitu jumlah sampel yang diproses sebelum model diperbarui. Batch size berpengaruh pada penggunaan memori dan kecepatan pelatihan. Karena keterbatasan memori perangkat yang digunakan untuk melatih model, penelitian ini akan menggunakan batch size sebesar 16.
Setelah itu, akan dilakukan penentuan jumlah training steps atau iterasi. Pada penelitian ini, proses pelatihan akan dilakukan sebanyak 40000 iterasi. Dengan 40000 iterasi, diharapkan model dapat mempelajari fitur-fitur penting dari data tanpa mengalami overfitting atau underfitting. Jumlah iterasi ini disesuaikan dengan ukuran dataset, batch size, dan sumber daya komputasi yang tersedia, sehingga proses pelatihan dapat berjalan efisien dan memberikan performa yang optimal (Zhang, Yang and Sinnott, 2019). Berikut adalah konfigurasi training pada pipeline model yang ditampilkan pada Gambar 3.8.
batch_size: 16
optimizer {
momentum_optimizer: {
learning_rate: {
cosine_decay_learning_rate {
learning_rate_base: .008
total_steps: 40000
warmup_learning_rate: .0005
warmup_steps: 2000
}
}
momentum_optimizer_value: 0.9
}
use_moving_average: false
}
Gambar 3.8. Konfigurasi training pada pipeline model
Selanjutnya, bagian konfigurasi eval mengatur proses evaluasi model. Bagian ini menentukan metrik evaluasi yang akan digunakan, frekuensi evaluasi selama pelatihan, serta menentukan dataset yang akan digunakan selama proses evaluasi. Pada penelitian ini, metrik evaluasi yang digunakan adalah pascal_voc_detection_metrics, yang merupakan standar dalam mengevaluasi kinerja model deteksi objek. Konfigurasi ini memastikan model dievaluasi dengan baik menggunakan dataset yang tepat dan metrik yang sesuai.
3.3.2 Pelatihan Model MobileNetV2-SSD
Pelatihan model MobileNetV2-SSD dalam penelitian ini dilakukan menggunakan Jupyter Notebook yang terintegrasi dengan perangkat lunak Visual Studio Code sebagai code editor. Jupyter Notebook memungkinkan untuk menjalankan kode dalam blok-blok terpisah, yang memberikan kemudahan dalam melakukan debugging dan analisis hasil pelatihan. Proses pelatihan model dilakukan melalui beberapa tahapan. Berikut adalah bagan alir dari proses deteksi menggunakan MobileNetV2-SSD.

Gambar 3.9. Bagan alir proses deteksi menggunakan MobileNetV2-SSD
Arsitektur model MobileNetV2-SSD terdiri dari dua bagian arsitektur, yaitu arsitektur MobileNetV2 yang berfungsi untuk mengekstraksi fitur dari citra input, dan arsitektur Single Shot Detector (SSD) yang bertanggung jawab untuk mendeteksi dan mengklasifikasikan objek dalam gambar dengan efisien menggunakan pendekatan single-stage. Berikut adalah arsitektur MobileNetV2-SSD yang ditampilkan pada Gambar 3.10.

Gambar 3.10. Arsitektur MobileNetV2-SSD
Proses ekstraksi fitur dimulai dengan proses konvolusi, yang bertujuan untuk menghasilkan feature map dari citra input. Proses konvolusi dilakukan dengan cara melakukan perkalian matriks antara citra input dengan filter (kernel) yang memiliki ukuran tertentu. Pada arsitektur MobileNetV2, citra input diubah menjadi matriks berukuran 3 channel dengan masing-masing channel merepresentasikan warna red, green, blue (RGB). Sebagai contoh, berikut adalah proses konvolusi dari sampel citra input berukuran 7×7 dengan kernel 3×3, tanpa padding, dan stride 2 yang ditunjukkan pada Gambar 3.11, Gambar 3.12, dan Gambar 3.13.

Gambar 3.11. Sampel ukuran 7×7 pada citra input yang diubah ke bentuk matriks
Gambar 3.12. (a) Citra input berukuran 7×7 (b) Kernel MobileNetV2 berukuran 3×3 (Banharnsakun, 2019)

Gambar 3.13. Proses konvolusi citra input dengan stride 2
Berikut merupakan penjabaran proses perhitungan pada lapisan konvolusi sesuai dengan Gambar 3.13.
Tabel 3.6. Perhitungan proses konvolusi
| Proses | Perhitungan | Hasil |
|---|---|---|
| 1 | (8×0) + (7×1) + (7×2) + (7×−1) + (7×1) + (7×1) + (1×−2) + (2×1) + (1×0) | 28 |
| 2 | (7×0) + (6×1) + (8×2) + (7×−1) + (6×1) + (4×1) + (1×−2) + (6×1) + (7×0) | 29 |
| 3 | (8×0) + (10×1) + (11×2) + (4×−1) + (8×1) + (10×1) + (7×−2) + (8×1) + (0×0) | 40 |
| 4 | (1×0) + (2×1) + (1×2) + (9×−1) + (7×1) + (6×1) + (3×−2) + (4×1) + (7×−0) | 6 |
| 5 | (1×0) + (6×1) + (7×2) + (6×−1) + (5×1) + (5×1) + (7×−2) + (8×1) + (5×0) | 18 |
| 6 | (7×0) + (8×1) + (0×2) + (5×−1) + (4×1) + (2×1) + (5×−2) + (9×1) + (9×0) | 8 |
| 7 | (3×0) + (4×1) + (7×2) + (0×−1) + (0×1) + (2×1) + (6×−2) + (7×1) + (5×0) | 15 |
| 8 | (7×0) + (8×1) + (5×2) + (2×−1) + (11×1) + (7×1) + (5×−2) + (4×1) + (3×0) | 28 |
| 9 | (5×0) + (9×1) + (9×2) + (7×−1) + (8×1) + (5×1) + (3×−2) + (9×1) + (10×0) | 36 |
Hasil dari proses konvolusi akan membentuk sebuah matriks berukuran 3×3 seperti berikut.
Gambar 3.14. Hasil proses konvolusi
Setelah proses konvolusi selesai, hasilnya diproses menggunakan ReLU6, yaitu fungsi aktivasi yang menekan nilai di atas 6 dan membuat semua nilai negatif menjadi 0. Berikut adalah persamaan untuk menghitung fungsi aktivasi ReLU6 (Sandler et al., 2018).
Keterangan: = nilai input.
Setelah itu, dilakukan proses fungsi aktivasi menggunakan ReLU6 dilanjutkan dengan serangkaian inverted residual blocks. Blok-blok ini terdiri dari pointwise convolution untuk ekspansi channel, depthwise convolution untuk ekstraksi fitur spasial, dan pointwise convolution lagi untuk proyeksi linear. Proses ini memungkinkan reduksi dimensi feature map secara efisien sambil mempertahankan informasi penting. Hasil dari penerapan fungsi aktivasi ReLU6 berdasarkan persamaan 3.1 ditunjukkan pada gambar berikut.

Gambar 3.15. Hasil aktivasi ReLU6 dan inverted residual blocks
Proses ini berulang sampai akhirnya diperoleh feature map yang merepresentasikan karakteristik penting dari citra input. Setelah feature map dihasilkan oleh MobileNetV2, bagian SSD akan mulai bekerja dengan menggunakan multi-scale feature maps untuk mendeteksi objek di berbagai ukuran. Pada setiap skala feature map, SSD menggunakan convolutional predictors (lapisan konvolusi khusus) untuk mengaplikasikan beberapa default boxes (kotak acuan) dengan berbagai ukuran di setiap posisi grid pada feature map. Jumlah dan ukuran default boxes diatur pada konfigurasi pipeline. Setiap default box yang diterapkan pada posisi grid kemudian akan menghasilkan prediksi berupa offset dan kelas objek. Offset adalah nilai yang menggambarkan pergeseran dan skala dari default box agar sesuai dengan objek yang terdeteksi, sedangkan kelas objek mengindikasikan jenis objek yang terdeteksi. Proses ini melibatkan penggunaan fungsi aktivasi softmax untuk menghitung probabilitas setiap kelas. Setelah dihasilkan semua prediksi bounding box, Non-Maximum Suppression (NMS) digunakan untuk menghapus prediksi yang tumpang tindih (overlapping) dan mempertahankan prediksi dengan confidence score tertinggi (Liu et al., 2015). Dengan memanfaatkan kedua informasi ini, model dapat memperkirakan seberapa tepat posisi dan jenis objek yang terdapat dalam gambar. Ilustrasi proses deteksi objek dengan SSD ditampilkan pada Gambar 3.16.

Gambar 3.16. Ilustrasi proses deteksi dengan SSD (Liu et al., 2015)
Proses deteksi akan menghasilkan beberapa hal, yaitu kelas yang terdeteksi, bounding box yang terdiri dari nilai xmin, ymin, xmax, dan ymax, tingkat akurasi, dan jumlah objek yang terdeteksi. Selama model melakukan proses pelatihan, akan dilakukan perhitungan loss untuk mengetahui performa model yang dilatih. Hasil dari proses deteksi akan disimpan ke dalam sebuah variabel untuk digunakan oleh sistem.
3.4 Evaluasi Model
Setelah model selesai melakukan pelatihan, model akan dievaluasi. Evaluasi model adalah proses untuk mengukur seberapa baik model dalam melakukan tugas yang diharapkan. Pada penelitian ini, akan dilakukan evaluasi untuk mengukur apakah model dapat mengklasifikasikan objek dengan benar serta apakah bounding box-nya telah sesuai dengan lokasi sebenarnya (ground truth). Pengukuran tersebut dilakukan dengan cara menghitung mean Average Precision (mAP). Untuk dapat menghitung mAP, ada beberapa tahapan yang perlu dilakukan, yaitu membuat confusion matrix dan menghitung nilai precision, nilai recall, dan nilai average precision (AP) pada tiap kelas.
3.4.1 Confusion Matrix
Untuk dapat menghitung mAP, hal pertama yang perlu dilakukan adalah membuat confusion matrix. Confusion matrix adalah tabel yang digunakan untuk menunjukkan jumlah hasil prediksi yang benar dan prediksi yang salah dari setiap kelas. Prediksi yang kelas dan lokasi bounding box-nya sesuai dengan nilai aslinya akan dianggap sebagai prediksi yang benar. Namun, prediksi yang kelas atau lokasi bounding box-nya tidak sesuai dengan nilai aslinya akan dianggap sebagai prediksi yang salah. Pada penelitian ini, confusion matrix akan dihitung menggunakan nilai threshold Intersection over Union (IoU) @0,5, yang artinya suatu prediksi akan dianggap benar jika posisi dan ukuran bounding box cukup tumpang tindih (overlap) dengan posisi aslinya setidaknya sebesar 50%. Penggunaan threshold 0,5 dipilih karena mampu memberikan keseimbangan antara keakuratan model dalam mendeteksi lokasi objek dengan fleksibilitas dalam menerima prediksi yang mendekati posisi objek sebenarnya, yang artinya nilai tersebut cukup ketat untuk memastikan prediksi yang akurat, tetapi tidak terlalu tinggi sehingga mengakibatkan model gagal mendeteksi objek yang posisinya sedikit berbeda (Rezatofighi et al., 2019). Rancangan confusion matrix pada penelitian ini ditunjukkan pada Tabel 3.7.
Tabel 3.7. Rancangan confusion matrix (baris = actual value, kolom = predicted value)
| Actual \ Predicted | Aby | Ben | Bir | Bom | BSH | EMau | MCoon | Per | Rag | RBlue | Sia | Sph | null |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Abyssinian | |||||||||||||
| Bengal | |||||||||||||
| Birman | |||||||||||||
| Bombay | |||||||||||||
| British Shorthair | |||||||||||||
| Egyptian Mau | |||||||||||||
| Maine Coon | |||||||||||||
| Persian | |||||||||||||
| Ragdoll | |||||||||||||
| Russian Blue | |||||||||||||
| Siamese | |||||||||||||
| Sphynx | |||||||||||||
| null |
3.4.2 Precision dan Recall
Setelah membuat tabel confusion matrix, akan dilakukan perhitungan precision dan recall. Precision dan recall digunakan untuk menghitung nilai average precision (AP). Rumus perhitungan precision dan recall ditunjukkan pada persamaan 2.3 dan 2.4. Perhitungan keduanya akan dilakukan secara individual pada setiap kelas menggunakan nilai threshold Intersection over Union (IoU) sebesar @0,5. Rancangan tabel untuk memetakan nilai precision dan recall pada tiap kelas ditunjukkan pada Tabel 3.8.
Tabel 3.8. Rancangan pemetaan precision dan recall
| Kelas | Precision @0,5 | Recall @0,5 |
|---|---|---|
| Abyssinian | ||
| Bengal | ||
| Birman | ||
| Bombay | ||
| British Shorthair | ||
| Egyptian Mau | ||
| Maine Coon | ||
| Persian | ||
| Ragdoll | ||
| Russian Blue | ||
| Siamese | ||
| Sphynx |
3.4.3 Average Precision (AP) dan mean Average Precision (mAP)
Setelah mendapatkan nilai precision dan recall pada tiap kelas, akan dilakukan perhitungan Average Precision (AP) untuk setiap kategori kelas. Rumus perhitungan AP ditunjukkan pada persamaan 2.5. Hasil dari perhitungan AP pada tiap kelas kemudian akan disajikan ke dalam bentuk tabel untuk memudahkan proses analisis performa model. Berikut adalah tabel rancangan AP.
Tabel 3.9. Rancangan pemetaan average precision (AP)
| Kelas | AP @0,5 |
|---|---|
| Abyssinian | |
| Bengal | |
| Birman | |
| Bombay | |
| British Shorthair | |
| Egyptian Mau | |
| Maine Coon | |
| Persian | |
| Ragdoll | |
| Russian Blue | |
| Siamese | |
| Sphynx |
Setelah mendapatkan nilai AP pada masing-masing kategori kelas, berikutnya akan dilakukan perhitungan nilai mean Average Precision (mAP) dengan menghitung rata-rata AP pada seluruh kelas seperti pada persamaan 2.6.
3.5 Pengembangan Sistem
Proses pengembangan sistem akan dilakukan dengan menggunakan sistem operasi Android. Hal ini dikarenakan sekitar 86% smartphone di dunia berbasis Android (Zhang, Yang and Sinnott, 2019). Pengembangan sistem pada penelitian ini akan mencakup beberapa tahapan, yaitu pembuatan user interface, export model yang telah dibuat ke sistem, integrasi antara model dan sistem, dan mengukur waktu deteksi pada aplikasi yang telah dibuat.
3.5.1 Membuat User Interface
Hal pertama yang perlu dilakukan pada pengembangan sistem adalah merancang desain user interface atau antarmuka pengguna. User interface diperlukan agar pengguna dapat berkomunikasi dengan sistem.

Gambar 3.17. Desain antarmuka sistem
Gambar 3.17 merupakan rancangan desain antarmuka sistem yang akan dibuat. Pada rancangan tersebut, akan terdapat dua buah tombol yang dapat digunakan untuk memasukkan citra yang akan dideteksi. Pengguna dapat menekan tombol Open Camera jika ingin mengunggah gambar secara langsung melalui kamera. Opsi ini dirancang agar pengguna dapat menangkap gambar secara real-time untuk deteksi objek. Selain itu, pengguna juga bisa menekan tombol Upload Image jika ingin mencari gambar yang sudah ada di perangkat. Setelah gambar diunggah, sistem secara otomatis akan menjalankan proses deteksi objek pada gambar tersebut. Proses deteksi akan menampilkan hasil berupa bounding box, label klasifikasi, serta tingkat akurasi pada objek-objek yang terdeteksi dalam gambar.
3.5.2 Export Model ke Sistem
Setelah merancang user interface, tahap berikutnya adalah melakukan export model ke dalam sistem. Model yang telah dilatih selanjutnya akan di-export agar bisa digunakan oleh sistem. Proses export model pada penelitian ini akan dilakukan dengan memanfaatkan TensorFlow Lite (TFLite). TFLite adalah versi ringan dan efisien dari framework TensorFlow. TFLite dirancang untuk memungkinkan model dijalankan pada perangkat dengan sumber daya komputasi yang terbatas, seperti smartphone. Pemilihan TFLite didasarkan pada kenyataan bahwa pengembangan sistem dalam penelitian ini akan dilakukan menggunakan smartphone, perangkat dengan kemampuan komputasi yang terbatas, sehingga diperlukan framework yang efisien dan ringan. Dengan menggunakan TFLite, model machine learning dapat dijalankan secara optimal pada perangkat mobile tanpa mengorbankan performa, meskipun dengan keterbatasan daya dan memori.
Pada proses export model, model TensorFlow yang telah dilatih dan diuji akan dikonversi ke dalam format .tflite agar dapat mendukung framework TFLite. Deployment model dapat dilakukan dengan memanfaatkan fungsi tf.lite.TFLiteConverter, yaitu fungsi bawaan yang dimiliki oleh library TensorFlow. Setelah dikonversi, model akan mempunyai ekstensi .tflite dan memiliki ukuran yang lebih kecil. Model yang telah dikonversi selanjutnya akan diintegrasikan pada aplikasi mobile.
3.5.3 Integrasi antara Model dan Sistem
Rancangan desain antarmuka yang telah dibuat dan model yang telah diekspor selanjutnya akan diintegrasikan menjadi sebuah aplikasi mobile. Aplikasi yang dikembangkan akan menggunakan bahasa pemrograman Kotlin. Hasil dari integrasi ini adalah sebuah aplikasi mobile yang memungkinkan pengguna dapat memasukkan gambar yang kemudian akan dideteksi oleh aplikasi untuk mengidentifikasi ras kucing di dalam gambar tersebut. Rancangan dari alur penggunaan sistem dijelaskan pada Gambar 3.18.

Gambar 3.18. Rancangan alur penggunaan sistem
Setelah aplikasi dikembangkan, akan dilakukan evaluasi sistem dengan menggunakan metode pengujian black-box. Metode pengujian black-box adalah teknik pengujian perangkat lunak yang tidak memperhatikan struktur internal atau detail kode program. Metode ini berfokus pada pengujian output berdasarkan input yang diberikan, tanpa perlu memahami kode sumber yang digunakan.
Metode black-box testing sangat efektif dalam mendeteksi kesalahan fungsional, terutama pada antarmuka pengguna, di mana interaksi langsung dengan sistem terjadi. Selain itu, pengujian ini juga membantu untuk mengevaluasi ketepatan dan keandalan sistem dalam menghasilkan output yang diinginkan. Berikut adalah tabel rincian pengujian sistem yang akan dilakukan, yang mencakup berbagai skenario pengujian, input yang digunakan, serta output yang diharapkan dari sistem.
Tabel 3.10. Rencana evaluasi sistem
| No | Pengujian | Ekspektasi Hasil | Hasil |
|---|---|---|---|
| 1 | Pengguna dapat mengunggah gambar secara langsung melalui kamera untuk melakukan deteksi. | Pengguna berhasil mengunggah gambar secara langsung melalui kamera untuk melakukan deteksi. | |
| 2 | Pengguna dapat mengunggah gambar melalui tombol upload image untuk melakukan deteksi. | Pengguna berhasil mengunggah gambar melalui tombol upload image untuk melakukan deteksi. | |
| 3 | Sistem dapat menampilkan hasil deteksi berbagai jenis ras kucing. | Sistem berhasil menampilkan hasil deteksi berbagai jenis ras kucing. |
Pada Tabel 3.10 terdapat tiga skenario pengujian black-box yang akan diterapkan pada sistem. Jika hasil pengujian dari ketiga skenario tersebut sesuai dengan yang diharapkan, maka dapat disimpulkan bahwa pengujian berhasil.
3.5.4 Mengukur Waktu Deteksi pada Aplikasi
Setelah dilakukan integrasi antara model dan sistem, akan dilakukan pengukuran waktu deteksi pada aplikasi yang telah dibuat. Pengukuran waktu deteksi dalam penelitian ini akan dilakukan dengan cara menghitung waktu yang diperlukan oleh model untuk mendeteksi objek pada setiap gambar. Lama waktu tersebut diukur dari saat model mulai memproses gambar hingga menghasilkan output deteksi. Hal ini akan digunakan untuk mengukur kecepatan model dalam melakukan pendeteksian. Proses pengukuran waktu deteksi dilakukan menggunakan citra yang masing-masing terdiri dari 2 objek, 3 objek, 4 objek, dan lebih dari 4 objek.
Penggunaan citra dengan jumlah objek yang berbeda-beda bertujuan untuk mengevaluasi bagaimana performa model dalam situasi yang bervariasi. Hal ini penting karena waktu deteksi dapat dipengaruhi oleh kompleksitas gambar, seperti jumlah objek yang perlu dikenali oleh model. Dengan melakukan pengukuran pada berbagai jumlah objek, dapat diketahui apakah waktu deteksi model MobileNetV2-SSD tetap konsisten atau mengalami peningkatan seiring bertambahnya jumlah objek dalam citra (Liu et al., 2015).
Pada penelitian ini, pengujian dilakukan menggunakan citra baru yang didapatkan melalui Google Images. Hal ini bertujuan agar model dapat diuji dengan data yang belum pernah dilihat sebelumnya. Berikut adalah contoh dari data yang akan digunakan ditunjukkan pada Gambar 3.19.

Gambar 3.19. Contoh dataset untuk pengujian kecepatan model
Tabel 3.11. Rancangan pengukuran waktu deteksi
| Jumlah Objek pada Gambar | Jumlah Gambar yang Diuji | Jumlah Objek Keseluruhan | Jumlah Deteksi Benar | Waktu Deteksi (ms) |
|---|---|---|---|---|
| 2 | 6 | 12 | ||
| 3 | 7 | 21 | ||
| 4 | 10 | 40 | ||
| Lebih dari 4 | 6 | 31 |
Pada Tabel 3.11 terdapat 5 kolom yang terdiri dari kolom jumlah objek pada gambar, jumlah gambar yang diuji, jumlah objek keseluruhan, jumlah deteksi benar, dan kolom waktu deteksi (ms). Kolom jumlah objek pada gambar menunjukkan jumlah objek yang terdapat dalam satu gambar yang diuji. Kolom jumlah gambar yang diuji menunjukkan total gambar yang akan dilakukan pengujian. Kolom jumlah objek keseluruhan menunjukkan total jumlah objek dari semua gambar. Sebagai contoh, jika ada 2 objek pada suatu gambar dan jumlah gambar yang diuji adalah 6, maka jumlah objek keseluruhan adalah 12 (6 dikali 2). Kemudian, kolom jumlah deteksi benar merupakan jumlah objek yang berhasil dideteksi dengan benar oleh model. Terakhir, waktu deteksi (ms) menunjukkan rata-rata waktu yang diperlukan oleh model untuk mendeteksi objek dalam satu gambar dihitung dalam milidetik.
BAB IV — Hasil dan Pembahasan
4.1 Hasil
Pada bagian hasil, penelitian yang telah dilakukan akan dijelaskan secara rinci. Berikut adalah hasil penelitian yang telah dilakukan.
4.1.1 Pengumpulan Data
Data pada penelitian ini dikumpulkan dari Oxford-IIIT Pet Dataset yang dapat diakses melalui situs https://www.robots.ox.ac.uk/~vgg/data/pets/. Setelah diunduh, data tersebut akan dilakukan filtering dengan menghapus citra ras anjing, sehingga hanya menyisakan citra ras kucing saja. Selain itu, data pada penelitian ini juga dikumpulkan dari Google Image untuk menambah variasi. Berikut merupakan contoh data dari hasil pengumpulan data.

Gambar 4.1. Hasil pengumpulan data
4.1.2 Data Preprocessing
Proses data preprocessing pada penelitian ini dilakukan dengan bantuan tools Roboflow. Proses tersebut diawali dengan membuat project baru pada situs https://app.roboflow.com/. Setelah itu, dilakukan pendaftaran kelas dan pemberian warna untuk setiap kelas yang akan dianotasi pada Roboflow. Setiap kelas memiliki warna anotasi yang berbeda-beda sesuai dengan Tabel 3.3 untuk memudahkan dalam membedakan antarkelas. Kemudian, seluruh gambar yang telah dikumpulkan sebelumnya diunggah ke dalam project yang telah dibuat melalui fitur Upload Data untuk dilakukan data preprocessing. Proses upload data di Roboflow dilakukan secara bertahap dalam bentuk batch, yang artinya gambar-gambar diunggah dalam beberapa kelompok terpisah, bukan seluruhnya sekaligus. Pada penelitian ini, proses upload data dilakukan dalam 12 batch, di mana setiap batch berisi gambar dari masing-masing kelas. Proses data preprocessing terbagi menjadi 4 tahap, yaitu data annotation, data splitting, image resize, dan data augmentation.
-
Data annotation
Data yang telah diunggah pada Roboflow akan dilakukan proses anotasi. Proses anotasi pada Roboflow dilakukan secara manual dengan membuat bounding box di sekitar objek yang ingin dianotasi. Ukuran bounding box disesuaikan dengan dimensi objek agar model dapat mengenali area target dengan akurat. Setelah bounding box dibuat, dilakukan penambahan label kelas untuk mengidentifikasi ras kucing yang ada. Proses anotasi dilakukan seperti yang diperlihatkan pada Gambar 4.2.

Gambar 4.2. Contoh proses anotasi
Seluruh data dilakukan anotasi sehingga menghasilkan anotasi berjumlah 2523 seperti yang diperlihatkan pada Gambar 4.3.

Gambar 4.3. Hasil anotasi Roboflow
-
Data splitting
Hasil dari proses anotasi selanjutnya akan dilakukan data splitting atau pembagian data menjadi 3 bagian, yaitu training, validation, dan testing. Data splitting dilakukan dengan rasio pembagian yaitu 70% untuk data training, 20% untuk data validation, dan 10% untuk data testing.

Gambar 4.4. Proses data splitting
Pada Gambar 4.4, dapat dilihat bahwa proses data splitting menghasilkan 1.717 data training, 488 data validation, dan 245 data testing. Berikut adalah jumlah anotasi untuk setiap kelas setelah dilakukan data splitting yang disajikan ke dalam Tabel 4.1.
Tabel 4.1. Jumlah anotasi tiap kelas setelah data splitting
Kelas Data Training Data Validation Data Testing Abyssinian 141 40 20 Bengal 142 40 20 Birman 143 42 20 Bombay 141 40 20 British Shorthair 144 40 21 Egyptian Mau 143 39 20 Maine Coon 143 41 22 Persian 146 40 20 Ragdoll 143 42 20 Russian Blue 144 41 21 Siamese 146 41 21 Sphynx 144 43 20 -
Image resize
Seluruh data akan dilakukan resize untuk menyesuaikan dengan ukuran citra pada input model. Proses resize dilakukan dengan mengubah dimensi gambar dari ukuran aslinya menjadi ukuran 320×320 piksel.
-
Data augmentation
Setelah dilakukan resize, seluruh data training akan dilakukan proses data augmentation untuk menambah variasi data. Jenis data augmentation yang diterapkan pada data training sesuai dengan Tabel 3.5. Hasil dari proses data augmentation menyebabkan penambahan jumlah data training yang awalnya berjumlah 1717 menjadi 5151. Berikut merupakan hasil dari salah satu proses augmentation pada data training.

Gambar 4.5. Contoh hasil proses data augmentation
4.1.3 Pelatihan Model
Tahapan berikutnya dari penelitian ini adalah pelatihan model. Proses pelatihan model terbagi menjadi dua tahap, yaitu tahapan konfigurasi training job dan tahapan proses pelatihan model.
1. Konfigurasi training job
Setelah dilakukan data preprocessing, berikutnya adalah melakukan konfigurasi training job. Tahap pertama pada konfigurasi training job adalah meng-import dataset yang telah dilakukan preprocessing. Sebelum dilakukan proses import, dataset akan dikonversi ke dalam format .tfrecord terlebih dahulu. Proses konversi dilakukan dengan bantuan Roboflow dengan menekan tombol download dataset pada dataset yang telah dilakukan preprocessing, kemudian pilih format Tensorflow TFRecord dan tekan Continue untuk melakukan import. Dataset yang telah diunduh masih berbentuk .zip sehingga perlu dilakukan proses extract terlebih dahulu sebelum digunakan. Setelah proses ekstraksi, akan terdapat tiga buah folder, yaitu train, valid, dan test yang secara berturut-turut digunakan untuk proses pelatihan (train), validasi (valid), dan pengujian (test). Masing-masing folder terdiri dari dua buah file, yaitu file tfrecord yang menyimpan data citra serta anotasi objek dalam format yang dapat dibaca oleh model dan file label map yang berfungsi sebagai peta yang menghubungkan label atau kelas objek dengan nilai numeriknya dalam proses pelatihan model. Berikut merupakan proses mengunduh dan mengonversi dataset ke dalam format .tfrecord yang ditampilkan pada Gambar 4.6.

Gambar 4.6. Konversi dataset
Tahap berikutnya adalah melakukan import Tensorflow Object Detection API dari situs https://github.com/tensorflow/models untuk memanfaatkan model pralatih pada API tersebut. Setelah itu, langkah selanjutnya adalah memilih model dari model zoo yang disediakan oleh API. Pemilihan model dilakukan dengan mengunduh file konfigurasi pipeline dari API. Dalam penelitian ini, model yang dipilih adalah SSD MobileNetV2 320x320.

Gambar 4.7. Model zoo pada TensorFlow Object Detection API
Gambar 4.7 merupakan daftar model zoo yang terdapat pada TensorFlow Object Detection API. Setelah memilih model SSD MobileNetV2 320×320, langkah selanjutnya adalah melakukan konfigurasi pipeline. Konfigurasi ini meliputi pengaturan parameter-parameter seperti learning rate, jumlah iterasi (num steps), ukuran batch, serta jalur data latih dan data validasi. Konfigurasi pipeline dilakukan dengan mengubah isi dari file konfigurasi (config) pada model yang telah dipilih. Berikut adalah pseudocode dari proses konfigurasi pipeline.
Pseudocode 1: Konfigurasi pipeline model
BEGIN
DEFINE labelmap_path AS cwd + '/model_train/cats_label_map.pbtxt'
DEFINE train_record_path AS cwd + '/model_train/cats.tfrecord'
DEFINE val_record_path AS cwd + '/model_valid/cats.tfrecord'
DEFINE selected_model AS "ssd_mobilenet_v2_fpnlite_320x320_coco17_tpu-8"
DEFINE fine_tune_checkpoint AS selected_model + "/checkpoint/ckpt-0"
DEFINE base_config_path AS selected_model + '.config' # <- GANTI MODEL
READ file content from base_config_path INTO variable config
OPEN file 'model_config.config' FOR writing
REPLACE 'label_map_path: ".*?"' WITH 'label_map_path: "<labelmap_path>"'
REPLACE 'fine_tune_checkpoint: ".*?"' WITH 'fine_tune_checkpoint: "<fine_tune_checkpoint>"'
REPLACE 'input_path: ".*?PATH_TO_BE_CONFIGURED/train.*?"' WITH 'input_path: "<train_record_path>"'
REPLACE 'input_path: ".*?PATH_TO_BE_CONFIGURED/val.*?"' WITH 'input_path: "<val_record_path>"'
REPLACE 'num_classes: [0-9]+' WITH 'num_classes: 12'
REPLACE 'batch_size: [0-9]+' WITH 'batch_size: 32'
REPLACE 'num_steps: [0-9]+' WITH 'num_steps: 40000'
REPLACE 'fine_tune_checkpoint_type: "classification"' WITH 'fine_tune_checkpoint_type: "detection"'
WRITE modified config INTO 'model_config.config'
CLOSE file
END
Pseudocode 1 berisikan kode untuk melakukan konfigurasi pipeline. Langkah pertama dari proses konfigurasi pipeline adalah melakukan deklarasi variabel untuk menyimpan nilai dari jalur label map, jalur checkpoint awal, jalur data latih dan validasi, jumlah kelas, ukuran batch, dan jumlah iterasi. Langkah selanjutnya adalah membaca file konfigurasi pipeline yang telah diunduh pada proses pemilihan model. Kemudian, dilakukan modifikasi parameter di dalam konfigurasi, mulai dari mengatur jalur dari label map (label_map_path), mengatur jalur checkpoint awal untuk pelatihan model dengan nilai yang disimpan dalam variabel fine_tune_checkpoint, mengatur jalur untuk data latih dan data validasi (input_path) dan menggantinya menggunakan nilai yang disimpan dalam variabel train_record_path untuk data latih dan variabel val_record_path untuk data validasi, mengganti jumlah kelas (num_classes) dalam file konfigurasi dengan nilai 12, mengubah ukuran batch (batch size) dalam konfigurasi menjadi 32, mengubah jumlah iterasi (num_steps) menjadi 40000, dan mengubah jenis checkpoint yang akan digunakan untuk melakukan fine-tuning menjadi detection, yang memastikan model dilatih sebagai model deteksi, bukan klasifikasi. Terakhir, dilakukan pembuatan file baru bernama model_config.config sebagai tempat untuk menyimpan konfigurasi pipeline yang telah dimodifikasi.
2. Pelatihan model MobileNetV2-SSD
Setelah dilakukan konfigurasi pipeline, selanjutnya dilakukan proses pelatihan model MobileNetV2-SSD. Berikut merupakan kode program untuk melakukan pelatihan model.
Pseudocode 2: Pelatihan model
BEGIN
RUN script "model_main_tf2.py" WITH arguments:
pipeline_config_path SET TO "model_config.config"
model_dir SET TO "training/"
num_train_steps SET TO 40000
END
Pseudocode 2 berisikan kode untuk melakukan pelatihan model. Proses pelatihan dilakukan dengan mengeksekusi file model_main_tf2.py yang berisi skrip untuk melatih model menggunakan TensorFlow Object Detection API. Skrip ini akan membaca konfigurasi yang sudah diatur dalam file konfigurasi pipeline, termasuk pengaturan dataset, arsitektur model yang dipilih, jumlah iterasi, serta checkpoint yang digunakan. Proses pelatihan akan terus berlangsung selama 40000 iterasi, di mana model secara bertahap belajar mengenali pola dalam data training untuk mendeteksi objek dalam berbagai gambar.
Selama proses pelatihan, model akan menghitung training loss, yaitu metrik yang menunjukkan seberapa besar kesalahan model selama proses pelatihan pada data training. Pada pelatihan model MobileNetV2-SSD, training loss terdiri dari beberapa komponen, yaitu classification loss yang mengukur seberapa baik model mengklasifikasikan setiap objek yang terdeteksi ke dalam kelas yang benar, localization loss yang mengukur seberapa baik model dalam menentukan posisi bounding box pada objek, regularization loss yang dihitung untuk mencegah model dari overfitting dengan menambahkan penalti pada bobot model, dan total loss yang merupakan gabungan dari semua loss yang ada.
Selain itu, selama proses pelatihan juga dilakukan perhitungan validation loss, yaitu metrik yang menunjukkan seberapa besar kesalahan model ketika dievaluasi pada data validation. Nilai validation loss berfungsi untuk menilai kemampuan model dalam melakukan generalisasi pada data yang belum pernah dilihat sebelumnya, sehingga membantu mengidentifikasi potensi overfitting atau underfitting pada model. Sama seperti training loss, validation loss juga terdiri dari classification loss, localization loss, regularization loss, dan total loss. Berikut adalah kode program untuk melakukan perhitungan validation loss.
Pseudocode 3: Menjalankan perhitungan validation loss
BEGIN
RUN script "model_main_tf2.py" WITH arguments:
pipeline_config_path SET TO "model_config.config"
model_dir SET TO "training/"
checkpoint_dir SET TO "training/"
END
Pseudocode 3 berisikan kode untuk melakukan perhitungan validation loss. Proses perhitungan validation loss dilakukan dengan mengeksekusi file model_main_tf2.py dan memasukkan beberapa parameter, yaitu parameter pipeline_config_path untuk menentukan jalur konfigurasi pipeline, parameter model_dir untuk menentukan tempat penyimpanan model yang sedang dilatih, dan checkpoint_dir untuk membaca checkpoint yang ada.
Hasil perhitungan training loss dan validation loss yang dilakukan selama proses pelatihan model MobileNetV2-SSD dapat divisualisasikan ke dalam bentuk grafik untuk menampilkan classification loss, localization loss, regularization loss, dan total loss dengan bantuan tools bernama TensorBoard, yaitu sebuah tools visualisasi bawaan dari TensorFlow. Berikut adalah hasil perhitungan loss pada data training dan validation yang divisualisasikan dalam bentuk grafik.

Gambar 4.8. Grafik (a) Classification loss, (b) Localization loss, (c) Regularization loss, (d) Total loss
Gambar 4.8 menunjukkan empat macam grafik, yaitu grafik (a) classification loss, grafik (b) localization loss, grafik (c) regularization loss, dan grafik (d) total loss. Masing-masing grafik memiliki dua garis, yaitu garis biru yang mewakili training loss dan garis hitam yang mewakili validation loss. Training loss mengukur kemampuan model dalam mempelajari data training. Idealnya, training loss akan menurun seiring dengan bertambahnya jumlah iterasi. Semakin rendah nilai training loss, semakin baik model dalam mempelajari fitur-fitur yang ada pada gambar. Sementara itu, validation loss mengukur kemampuan model dalam menggeneralisasi data yang belum pernah dilihat sebelumnya. Sama seperti training loss, idealnya, validation loss akan menurun seiring dengan bertambahnya jumlah iterasi. Semakin rendah validation loss, semakin baik model dalam menggeneralisasi data yang belum pernah dilihat.
Pada Gambar 4.8 bagian (a), terdapat grafik yang berisi nilai classification loss, yang menunjukkan seberapa baik model dalam mengklasifikasikan objek yang ada dalam gambar selama proses pelatihan. Grafik tersebut menunjukkan adanya penurunan nilai classification loss pada garis training loss dan validation loss. Hal ini mengindikasikan bahwa seiring bertambahnya jumlah iterasi, model mampu mengenali objek-objek dengan lebih baik.
Sementara itu, pada Gambar 4.8 bagian (b), terdapat grafik yang berisi nilai localization loss, yang menunjukkan seberapa akurat model dalam menentukan posisi bounding box suatu objek. Grafik tersebut juga menunjukkan adanya penurunan pada training loss dan validation loss untuk localization loss, mengindikasikan bahwa model semakin akurat dalam menentukan lokasi bounding box objek dengan bertambahnya iterasi.
Pada Gambar 4.8 bagian (c), grafik menampilkan regularization loss, yang menunjukkan sejauh mana model menjaga kompleksitas agar tidak terlalu tinggi selama proses pelatihan. Regularization loss membantu mengurangi risiko overfitting dengan menerapkan penalti terhadap bobot model yang besar. Penurunan nilai regularization loss pada garis training loss dan validation loss di grafik tersebut mengindikasikan bahwa model berhasil mempertahankan generalisasi yang baik dan menjaga bobotnya tetap stabil seiring bertambahnya jumlah iterasi.
Terakhir, pada Gambar 4.8 bagian (d), grafik menampilkan nilai dari total loss, yang merupakan gabungan dari classification loss, localization loss, dan regularization loss. Total loss memberikan gambaran keseluruhan performa model selama pelatihan, mencakup kemampuan klasifikasi, penentuan posisi bounding box pada objek, serta pengendalian kompleksitas model. Grafik menunjukkan penurunan nilai total loss pada garis training loss dan validation loss, yang menandakan bahwa model secara keseluruhan semakin baik dalam mengenali, menentukan lokasi bounding box, dan menggeneralisasi data seiring bertambahnya jumlah iterasi.
4.1.4 Evaluasi Model
Setelah dilakukan pelatihan model, selanjutnya model akan dievaluasi. Proses evaluasi model dimulai dari pembuatan confusion matrix, perhitungan precision, recall, Average Precision (AP), dan mean Average Precision (mAP).
1. Confusion matrix
Pada penelitian ini, langkah pertama dalam evaluasi model adalah membuat confusion matrix. Pembuatan confusion matrix akan memberikan gambaran mengenai jumlah prediksi yang benar (True Positives) dan salah (False Positives dan False Negatives) untuk setiap kelas pada data testing. Berikut adalah hasil dari evaluasi model yang disajikan ke dalam tabel confusion matrix.
Tabel 4.2. Confusion matrix (baris = actual value, kolom = predicted value)
| Actual \ Predicted | Aby | Ben | Bir | Bom | BSH | EMau | MCoon | Per | Rag | RBlue | Sia | Sph | null |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Abyssinian | 17 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 2 |
| Bengal | 0 | 17 | 0 | 0 | 0 | 3 | 0 | 0 | 0 | 0 | 0 | 0 | 1 |
| Birman | 1 | 0 | 14 | 0 | 0 | 0 | 1 | 0 | 2 | 0 | 2 | 0 | 2 |
| Bombay | 0 | 0 | 0 | 20 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 |
| British Shorthair | 0 | 0 | 0 | 0 | 20 | 0 | 0 | 1 | 0 | 1 | 0 | 0 | 0 |
| Egyptian Mau | 1 | 1 | 0 | 0 | 0 | 18 | 0 | 0 | 0 | 0 | 0 | 0 | 1 |
| Maine Coon | 0 | 0 | 0 | 2 | 0 | 1 | 17 | 2 | 0 | 0 | 0 | 0 | 1 |
| Persian | 0 | 0 | 0 | 0 | 0 | 0 | 2 | 17 | 1 | 0 | 0 | 0 | 0 |
| Ragdoll | 0 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 17 | 0 | 1 | 0 | 0 |
| Russian Blue | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 20 | 1 | 0 | 0 |
| Siamese | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 20 | 0 | 0 |
| Sphynx | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 19 | 0 |
| null | 3 | 1 | 9 | 1 | 3 | 3 | 5 | 4 | 6 | 3 | 6 | 0 | 0 |
Singkatan kolom: Aby = Abyssinian, Ben = Bengal, Bir = Birman, Bom = Bombay, BSH = British Shorthair, EMau = Egyptian Mau, MCoon = Maine Coon, Per = Persian, Rag = Ragdoll, RBlue = Russian Blue, Sia = Siamese, Sph = Sphynx. Nilai tebal pada diagonal adalah true positive.
Pada Tabel 4.2 terlihat bahwa kucing dengan ras Sphynx memiliki jumlah prediksi yang salah (false positive) paling sedikit di antara ras lainnya, menunjukkan bahwa model dapat mendeteksi ras ini dengan cukup akurat. Sementara itu, kucing dengan ras Birman memiliki jumlah deteksi salah (false positive) tertinggi, yang menunjukkan bahwa model sering melakukan kesalahan dalam mengidentifikasi ras tersebut.
2. Precision dan recall
Berdasarkan hasil confusion matrix, dapat dilakukan perhitungan nilai precision dan recall untuk masing-masing kelas atau ras. Perhitungan nilai precision akan memberikan gambaran seberapa akurat model dalam mendeteksi ras yang benar dari total prediksi untuk setiap kelas, sedangkan perhitungan nilai recall akan menunjukkan seberapa baik model mendeteksi setiap ras yang sebenarnya ada dalam gambar. Tabel 4.3 adalah tabel hasil perhitungan precision dan recall pada tiap kelas.
Tabel 4.3. Precision dan recall pada tiap kelas
| Kelas | Precision @0,5 | Recall @0,5 |
|---|---|---|
| Abyssinian | 77,27% | 80,95% |
| Bengal | 80,95% | 80,95% |
| Birman | 56% | 63,64% |
| Bombay | 86,96% | 95,24% |
| British Shorthair | 83,33% | 90,91% |
| Egyptian Mau | 72% | 85,71% |
| Maine Coon | 65,38% | 73,91% |
| Persian | 70,83% | 85% |
| Ragdoll | 60,71% | 85% |
| Russian Blue | 83,33% | 90,91% |
| Siamese | 66,67% | 90,91% |
| Sphynx | 100% | 95% |
Tabel 4.3 menunjukkan hasil perhitungan precision dan recall untuk setiap kelas ras kucing. Precision mengukur seberapa akurat model dalam mendeteksi objek, sedangkan recall mengukur seberapa baik model dapat menemukan semua objek yang seharusnya terdeteksi. Jika model memiliki nilai precision yang tinggi tetapi memiliki nilai recall yang rendah, artinya model sangat hati-hati dalam mendeteksi, tetapi melewatkan banyak objek. Sebaliknya, jika model memiliki nilai recall yang tinggi tetapi memiliki nilai precision yang rendah, artinya model mendeteksi hampir semua objek, tetapi banyak deteksi yang salah (Padilla, Netto and da Silva, 2020).
Dari tabel tersebut, terlihat bahwa beberapa ras memiliki nilai precision yang lebih tinggi dari ras lainnya, yang menunjukkan bahwa model mampu mendeteksi ras tersebut dengan lebih sedikit kesalahan dibandingkan dengan ras lainnya. Sebagai contoh, ras Sphynx memiliki nilai precision 100%, tertinggi dibandingkan dengan ras lainnya. Hal tersebut menandakan bahwa prediksi untuk ras Sphynx pada data testing selalu benar.
Di sisi lain, nilai recall yang tinggi pada ras tertentu, seperti pada ras Bombay yang memiliki nilai 95,24%, menunjukkan bahwa model mampu mendeteksi sebagian besar objek dengan ras Bombay yang ada dalam data testing, meskipun ada potensi kesalahan dalam prediksi kelas lainnya. Sebaliknya, ras dengan nilai recall rendah, seperti pada ras Birman yang memiliki nilai 63,64%, menunjukkan bahwa model belum mampu mengenali semua contoh ras tersebut secara konsisten.
Pada tabel tersebut juga dapat dilihat bahwa ras Sphynx memiliki nilai rata-rata precision dan recall tertinggi dibandingkan dengan ras lainnya, yaitu nilai precision sebesar 100% dan nilai recall sebesar 95%. Hal tersebut menunjukkan bahwa model tidak hanya akurat dalam mendeteksi objek, tetapi juga mampu menemukan sebagian besar objek yang ada di dalam data testing (Padilla, Netto and da Silva, 2020).
3. Average Precision (AP) dan mean Average Precision (mAP)
Berdasarkan hasil perhitungan nilai precision dan recall yang telah dilakukan sebelumnya, langkah berikutnya adalah menghitung Average Precision (AP) untuk setiap kelas. Perhitungan nilai AP diperlukan karena memberikan evaluasi yang lebih komprehensif tentang performa model. AP mempertimbangkan trade-off antara precision dan recall, yang mengukur seberapa baik model menyeimbangkan akurasi dan kelengkapan deteksi (Padilla, Netto and da Silva, 2020). Tabel 4.4 adalah tabel hasil perhitungan AP pada setiap kelas sesuai rancangan yang telah dibuat pada Tabel 3.9.
Tabel 4.4. Pemetaan average precision (AP)
| Kelas | AP @0,5 |
|---|---|
| Abyssinian | 72,60% |
| Bengal | 77,52% |
| Birman | 85,25% |
| Bombay | 99,17% |
| British Shorthair | 89,34% |
| Egyptian Mau | 91,43% |
| Maine Coon | 92,14% |
| Persian | 94,44% |
| Ragdoll | 75,14% |
| Russian Blue | 94,39% |
| Siamese | 91,10% |
| Sphynx | 96,41% |
Selanjutnya, nilai-nilai AP dari setiap kelas akan digabungkan untuk dicari rata-ratanya agar memperoleh nilai mean Average Precision (mAP), yang merupakan metrik dalam menilai kemampuan model melakukan multi-object detection. Berikut adalah proses perhitungan dari mAP berdasarkan persamaan 2.6.
Dari hasil proses perhitungan mAP di atas, diperoleh nilai mAP sebesar 0,8824 atau 88,24% dari model yang telah dilatih. Nilai mAP tersebut menunjukkan tingkat keseluruhan akurasi model dalam mendeteksi dan mengklasifikasikan objek dari berbagai ras kucing.
4.1.5 Pengembangan Sistem
Tahap berikutnya pada penelitian ini adalah pengembangan sistem. Pengembangan sistem terbagi menjadi empat tahapan, yaitu membuat user interface, melakukan export model ke dalam sistem, mengintegrasikan model dan sistem, serta mengukur waktu deteksi pada aplikasi.
1. Membuat user interface
Aplikasi mobile pada penelitian ini memiliki antarmuka pengguna sesuai dengan rancangan yang telah dibuat pada Gambar 3.17.

Gambar 4.9. Tampilan awal pada aplikasi
Gambar 4.9 merupakan tampilan awal ketika aplikasi dibuka. Pada halaman ini, terdapat dua tombol, yaitu tombol Open Camera dan Upload Image. Pengguna dapat menekan tombol Open Camera jika ingin melakukan input gambar melalui kamera. Namun, ketika pengguna ingin mencari gambar yang sudah ada di perangkat, pengguna dapat menekan tombol Upload Image. Setelah pengguna melakukan input gambar, maka model akan langsung melakukan proses deteksi dan akan menampilkan citra hasil deteksi pada aplikasi. Citra hasil deteksi yang ditampilkan terdiri dari nama kelas, nilai confidence, bounding box, dan waktu deteksi. Berikut merupakan tampilan aplikasi setelah model mendeteksi citra ditunjukkan pada Gambar 4.10.

Gambar 4.10. Tampilan hasil deteksi pada aplikasi
2. Export model ke sistem
Pada penelitian ini, model akan diimplementasikan ke aplikasi mobile melalui bantuan framework TFLite. Model yang telah dilatih dan dievaluasi selanjutnya akan diintegrasikan ke aplikasi mobile dengan melakukan export model ke dalam ekstensi .tflite agar dapat mendukung framework TFLite.
Proses export model dilakukan melalui beberapa tahapan. Tahap pertama yaitu mengekspor model ke dalam bentuk protobuf. Protobuf (Protocol buffer) merupakan format standar yang digunakan oleh library TensorFlow untuk menyimpan hasil model. Format tersebut memiliki ekstensi .pb. Berikut merupakan pseudocode dari kode program yang digunakan untuk mengubah model ke dalam format .pb pada penelitian ini.
Pseudocode 4: Export model
BEGIN
RUN script "export_tflite_graph_tf2.py" WITH arguments:
trained_checkpoint SET TO "model_config.config"
output_directory SET TO "expored_model/"
pipeline_config_path SET TO "training/"
END
Setelah model diekspor ke ekstensi .pb, model selanjutnya akan diubah ke dalam ekstensi .tflite agar dapat diintegrasikan ke dalam aplikasi mobile. Berikut merupakan pseudocode dari kode program yang digunakan untuk mengubah model ke dalam format .tflite pada penelitian ini.
Pseudocode 5: Konversi model menjadi .tflite
BEGIN
DEFINE saved_model AS cwd + "exported_model/saved_model"
DEFINE tflite_model_path AS cwd + "tflite_model"
converter <- Load TFLiteConverter with saved_model
tflite_model <- Convert the model using converter
OPEN FILE at tflite_model_path in write mode
WRITE tflite_model INTO FILE
CLOSE FILE
END
Pseudocode 5 merupakan kode untuk melakukan konversi model ke dalam ekstensi .tflite. Proses konversi model ke ekstensi .tflite dimulai dengan memuat model yang telah diekspor sebelumnya menggunakan fungsi TFLiteConverter() dengan jalur direktori model sebagai parameter. Setelah model berhasil dimuat, langkah selanjutnya adalah mengonversi model tersebut ke ekstensi .tflite menggunakan fungsi convert(). Model hasil konversi kemudian disimpan ke dalam file pada jalur yang telah ditentukan sebelumnya. Proses penyimpanan dilakukan dengan membuka file dan menulis model TFLite ke dalam file tersebut.
Terakhir, model yang telah diubah ke dalam format .tflite akan dilakukan penambahan metadata untuk memberikan informasi tambahan tentang model, seperti deskripsi input dan output, yang akan memudahkan penggunaan model pada sistem.
Pseudocode 6: Menambahkan metadata model
BEGIN
DEFINE MODEL_WITH_METADATA_PATH AS "tflite_model/model_metadata.tflite"
LOAD tflite_model FROM tflite_model_path
CREATE metadata_writer FOR object detection USING:
LOADED tflite_model
input_norm_mean: [127.5]
input_norm_std: [127.5]
label_file_paths: [tflite_model_path + '/labelmap.txt']
GENERATE metadata_model USING metadata_writer.populate()
SAVE metadata_model TO PATH_FOR_MODEL_WITH_METADATA
END
Pseudocode 6 berisi kode untuk menambahkan metadata ke model TensorFlow Lite agar lebih mudah digunakan dalam aplikasi, terutama untuk inference pada perangkat mobile. Pertama, lokasi file output untuk model dengan metadata ditentukan. Selanjutnya, model TFLite yang sebelumnya telah di-export dibaca dari file. Metadata writer dibuat menggunakan library tflite_support, dengan parameter seperti nilai normalisasi input (mean dan standar deviasi) serta jalur file label yang digunakan untuk mengidentifikasi kategori kelas. Metadata kemudian diintegrasikan ke dalam model menggunakan fungsi populate. Setelah itu, model yang sudah dilengkapi metadata disimpan ke lokasi file yang telah ditentukan sebelumnya.
3. Integrasi antara model dan sistem
Setelah melakukan export model, berikutnya akan dilakukan proses integrasi antara model dan aplikasi mobile. Proses integrasi model bertujuan agar aplikasi dapat melakukan deteksi ras kucing menggunakan model yang telah dilatih sebelumnya. Integrasi dilakukan dengan membuat sebuah kode yang berfungsi untuk mengambil input citra baik melalui kamera maupun gallery, memprosesnya menggunakan model yang telah dilatih, dan menampilkan hasil deteksi ke aplikasi. Berikut adalah pseudocode dari kode program untuk melakukan fungsi tersebut.
Pseudocode 7: Proses deteksi model
BEGIN
image <- CONVERT image TO TensorImage
detector <- CREATE object_detector USING:
model_file = "detect.tflite"
max_results = 10
score_threshold = 0.5
time <- MEASURE_TIME detector.detect(image)
result <- detector.detect(image)
WHILE result:
OUTPUT label(category)
OUTPUT boundix_box_coordinates(category)
OUTPUT border_color(category)
ENDWHILE
OUTPUT time
END
Pseudocode 7 berisi kode yang berfungsi untuk menjalankan deteksi objek pada sebuah gambar menggunakan model yang telah diekspor sebelumnya. Prosesnya dimulai dengan mengubah gambar input menjadi objek TensorImage, yang merupakan format yang kompatibel dengan TensorFlow Lite. Selanjutnya, dilakukan inisialisasi model. Model yang telah berekstensi .tflite diberi nama detect.tflite dan dimasukkan ke dalam folder assets pada direktori aplikasi. Pengaturan model dilakukan dengan menetapkan jumlah hasil maksimal yang ditampilkan sebanyak 10 objek dan confidence score threshold sebesar 50%.
Proses deteksi dilakukan dengan memberikan gambar yang telah dikonversi kepada model melalui metode detector.detect(). Hasil deteksi berupa daftar objek yang mencakup bounding box, label kategori, dan confidence score. Hasil deteksi selanjutnya diolah menjadi data yang siap ditampilkan. Setiap hasil mencakup label kategori dengan confidence score yang dikonversi ke persentase, koordinat bounding box untuk objek yang terdeteksi, serta warna bounding box yang disesuaikan dengan label kategori. Gambar asli kemudian diperbarui dengan menambahkan bounding box dan label dari hasil deteksi menggunakan fungsi drawDetectionResult(). Selain itu, waktu yang diperlukan untuk mendeteksi objek diukur menggunakan fungsi measureTimedValue(). Terakhir, gambar hasil deteksi dan waktu deteksi ditampilkan ke dalam aplikasi.
Setelah model diintegrasikan, aplikasi mobile yang telah dikembangkan akan menjalani proses pengujian dengan menggunakan metode black-box. Pengujian aplikasi dilakukan sesuai dengan skenario yang telah direncanakan pada Tabel 3.10. Berikut merupakan hasil dari pengujian aplikasi mobile untuk mendeteksi ras kucing.
Tabel 4.5. Hasil pengujian sistem
| No | Pengujian | Ekspektasi Hasil | Hasil |
|---|---|---|---|
| 1 | Pengguna dapat mengunggah gambar secara langsung melalui kamera untuk melakukan deteksi. | Pengguna berhasil mengunggah gambar secara langsung melalui kamera untuk melakukan deteksi. | Berhasil |
| 2 | Pengguna dapat mengunggah gambar melalui tombol upload image untuk melakukan deteksi. | Pengguna berhasil mengunggah gambar melalui tombol upload image untuk melakukan deteksi. | Berhasil |
| 3 | Sistem dapat menampilkan hasil deteksi berbagai jenis ras kucing. | Sistem berhasil menampilkan hasil deteksi berbagai jenis ras kucing. | Berhasil |
Pada Tabel 4.5 terdapat tiga hasil skenario pengujian menggunakan metode black-box yang menunjukkan bahwa aplikasi mobile berhasil dikembangkan dan berjalan dengan baik.
4. Mengukur waktu deteksi
Setelah melakukan pengembangan aplikasi mobile, dilakukan pengukuran kecepatan deteksi model dengan menghitung waktu deteksi yang dimulai saat model memproses citra input sampai model menghasilkan output deteksi. Berikut adalah hasil pengukuran waktu deteksi menggunakan skenario pengukuran yang dirancang pada Tabel 3.11.
Tabel 4.6. Pengukuran waktu deteksi
| Jumlah Objek pada Gambar | Jumlah Gambar yang Diuji | Jumlah Objek Keseluruhan | Jumlah Deteksi Benar | Waktu Deteksi (ms) |
|---|---|---|---|---|
| 2 | 6 | 12 | 12 | 56,5 |
| 3 | 7 | 21 | 20 | 65,43 |
| 4 | 10 | 40 | 34 | 66,9 |
| Lebih dari 4 | 6 | 31 | 18 | 68,6 |
Berdasarkan Tabel 4.6, terlihat bahwa model menunjukkan kinerja yang baik pada gambar dengan jumlah objek yang lebih sedikit, dengan tingkat deteksi yang hampir sempurna, seperti pada gambar dengan 2 dan 3 objek, dengan deteksi benar masing-masing 12/12 dan 20/21. Namun, pada gambar yang memiliki lebih banyak objek, akurasi deteksi menurun.
Dari segi waktu deteksi, model menunjukkan waktu deteksi yang cukup konsisten, dengan sedikit kenaikan meskipun jumlah objek yang terdeteksi bervariasi. Misalnya, gambar dengan 3 objek membutuhkan waktu deteksi sekitar 65,43 milidetik, sementara gambar dengan 4 objek hampir sama, yaitu 66,9 milidetik. Meskipun demikian, gambar dengan lebih dari 4 objek memiliki waktu deteksi 68,6 milidetik, menunjukkan bahwa waktu deteksi tetap konsisten meskipun jumlah objek meningkat.
4.2 Pembahasan
Dalam penelitian ini, dilakukan pengukuran akurasi model MobileNetV2-SSD untuk melakukan multi-object detection pada citra ras kucing menggunakan aplikasi mobile. Data yang digunakan pada penelitian ini berjumlah 2450 citra yang diperoleh dari Oxford-IIIT Pet Dataset dan juga Google Image. Data yang dikumpulkan selanjutnya dianotasi secara manual dan dibagi menjadi data training, data validasi, dan data testing dengan masing-masing jumlahnya yaitu 1717 data, 488 data, dan 245 data. Data training dari hasil data splitting tersebut kemudian dilakukan augmentasi untuk menambah variasi data, sehingga memberikan hasil akhir berjumlah 5151 data training. Seluruh proses tersebut dilakukan dengan bantuan tools Roboflow.
Selanjutnya, dilakukan pelatihan model menggunakan MobileNetV2-SSD untuk melakukan multi-object detection. Pelatihan model dilakukan sebanyak 40.000 iterasi, menghasilkan nilai training loss dan validation loss yang mencakup classification loss, localization loss, dan regularization loss. Secara umum, nilai classification loss menurun seiring bertambahnya iterasi, menunjukkan bahwa model semakin baik dalam membedakan kelas-kelas ras kucing yang berbeda. Selain itu, nilai localization loss juga menurun seiring bertambahnya iterasi. Hal ini menandakan peningkatan kemampuan model dalam menentukan posisi objek pada citra dengan lebih akurat. Nilai regularization loss pada model ini turut menurun seiring proses pelatihan. Penurunan nilai regularization loss menunjukkan bahwa model dapat mempelajari fitur penting tanpa terpaku pada pola spesifik dari data training. Penurunan loss tersebut tidak hanya terjadi pada training loss, tetapi juga pada validation loss, yang menandakan bahwa model dapat menggeneralisasi dengan baik pada data yang belum pernah dilihat. Dengan demikian, baik training loss maupun validation loss menunjukkan pola penurunan selama proses pelatihan, yang mengindikasikan bahwa model secara keseluruhan mampu belajar dengan baik.
Hasil dari proses pelatihan model MobileNetV2-SSD selanjutnya dievaluasi menggunakan confusion matrix, precision, recall, dan mean Average Precision (mAP) untuk mengukur kemampuan model dalam mendeteksi dan mengklasifikasikan objek pada data uji. Hasil dari tabel confusion matrix terlihat bahwa kucing dengan ras Sphynx memiliki jumlah deteksi salah (false positive) paling sedikit di antara ras lainnya. Hal tersebut menunjukkan bahwa model dapat mendeteksi ras Sphynx dengan cukup akurat. Sementara itu, kucing dengan ras Birman memiliki jumlah deteksi salah (false positive) tertinggi, yang menunjukkan bahwa model sering melakukan kesalahan dalam mengidentifikasi ras tersebut. Hal ini bisa disebabkan oleh kemiripan visual antara ras Birman dengan ras lainnya, sehingga model mengalami kesulitan dalam membedakan fitur-fitur spesifik dari ras Birman. Hasil dari confusion matrix selanjutnya digunakan untuk mengukur precision dan recall. Precision menunjukkan tingkat ketepatan model dalam mendeteksi objek yang benar-benar merupakan bagian dari kelas yang tepat, sedangkan recall mengukur kemampuan model dalam menemukan seluruh objek yang ada di citra. Hasil dari pengukuran precision dan recall yang dipetakan dalam tabel evaluasi menunjukkan bahwa model memiliki precision dan recall yang cukup baik pada sebagian besar kelas, meskipun terdapat variasi pada kelas-kelas tertentu yang memiliki karakteristik visual serupa, seperti warna bulu antara ras Russian Blue dan British Shorthair atau warna dan bentuk corak yang hampir sama antara ras Birman, ras Siamese, dan ras Ragdoll.
Nilai mAP, yang diperoleh dengan menghitung rata-rata nilai Average Precision (AP) dari setiap kelas, menunjukkan performa keseluruhan model dalam mendeteksi berbagai ras kucing. Nilai mAP sebesar 88,24% menunjukkan bahwa model mampu mencapai akurasi yang baik dalam mendeteksi objek pada sebagian besar kelas, meskipun terdapat beberapa kelas yang masih memiliki nilai AP lebih rendah akibat kesamaan visual antar ras seperti yang telah disebutkan sebelumnya.
Selain mengukur akurasi, juga dilakukan pengukuran waktu deteksi. Model yang telah dilatih kemudian diimplementasikan pada perangkat mobile berbasis Android untuk mengukur kemampuan MobileNetV2-SSD pada perangkat dengan sumber daya komputasi yang terbatas. Hasil dari pengujian kecepatan deteksi pada perangkat mobile menunjukkan rata-rata waktu deteksi sebesar 64,36 milidetik, dengan rincian yaitu gambar dengan 2 objek membutuhkan waktu deteksi rata-rata 56,5 milidetik, 65,43 milidetik untuk gambar dengan 3 objek, 66,9 milidetik untuk gambar dengan 4 objek, dan 68,6 milidetik untuk gambar dengan lebih dari 4 objek.
Dari sisi akurasi deteksi, model menunjukkan adanya penurunan seiring dengan meningkatnya jumlah objek dalam satu gambar. Untuk gambar dengan 2 objek, semua objek terdeteksi dengan benar, sedangkan untuk gambar dengan lebih dari 4 objek, hanya 58% dari total objek yang berhasil terdeteksi (18 dari 31 objek). Hal ini mengindikasikan bahwa model memiliki keterbatasan dalam mendeteksi objek yang lebih kompleks dalam satu citra, seperti gambar dengan banyak objek atau objek yang saling tumpang tindih.
BAB V — Penutup
5.1 Kesimpulan
Berdasarkan hasil penelitian pada penerapan multi-object detection menggunakan MobileNetV2-SSD untuk mengidentifikasi citra ras kucing, dapat ditarik kesimpulan sebagai berikut.
- Model MobileNetV2-SSD memperoleh mAP@0,5 sebesar 88,24%, dengan rincian nilai AP@0,5 pada tiap kelas yaitu sebesar 72,6% untuk ras Abyssinian, 77,52% untuk ras Bengal, 85,26% untuk ras Birman, 99,17% untuk ras Bombay, 89,34% untuk ras British Shorthair, 91,43% untuk ras Egyptian Mau, 92,14% untuk ras Maine Coon, 94,44% untuk ras Persian, 75,14% untuk ras Ragdoll, 94,39% untuk ras Russian Blue, 91,1% untuk ras Siamese, dan 96,41% untuk ras Sphynx.
- Model MobileNetV2-SSD yang telah diintegrasikan ke dalam sistem diuji menggunakan citra yang terdiri dari 2 objek, 3 objek, 4 objek, dan lebih dari 4 objek. Model menunjukkan waktu deteksi rata-rata sebesar 64,36 milidetik, dengan rincian yaitu gambar dengan 2 objek membutuhkan waktu deteksi rata-rata 56,5 milidetik, gambar dengan 3 objek membutuhkan waktu deteksi rata-rata 65,43 milidetik, gambar dengan 4 objek membutuhkan waktu deteksi rata-rata 66,9 milidetik, dan gambar dengan lebih dari 4 objek membutuhkan waktu deteksi rata-rata 68,6 milidetik.
- Model MobileNetV2-SSD berhasil mendeteksi beberapa ras kucing dalam satu citra dengan akurasi yang baik, sebagaimana dibuktikan melalui hasil evaluasi. Model dilatih selama 40000 iterasi dan memperoleh training loss sebesar 0,05 untuk classification loss, localization loss sebesar 0,01, regularization loss sebesar 0,14, dan nilai total loss sebesar 0,19. Selain itu, model juga memperoleh evaluation loss sebesar 0,13 untuk classification loss, localization loss sebesar 0,05, regularization loss sebesar 0,14, dan total loss sebesar 0,32.
- Model MobileNetV2-SSD dievaluasi dan mendapatkan rata-rata nilai precision@0,5 sebesar 75,29% dengan ras Sphynx menjadi kelas dengan nilai precision@0,5 tertinggi, yaitu sebesar 100%, yang artinya semua deteksi untuk ras ini selalu benar. Selain itu, model juga memperoleh rata-rata nilai recall@0,5 sebesar 84,84% dengan nilai tertinggi diperoleh oleh ras Bombay sebesar 95,24%, yang berarti model hampir tidak pernah melewatkan deteksi untuk ras ini.
5.2 Saran
Pada penelitian ini, masih terdapat kekurangan dan dapat dikembangkan lebih jauh lagi. Kekurangan yang pertama adalah jumlah objek dalam satu citra pada data training masih terbatas, sehingga model kurang optimal dalam mendeteksi banyak objek secara bersamaan. Kedua, variasi kelas yang digunakan hanya mencakup 12 ras kucing. Hal tersebut dapat membatasi kemampuan model untuk mengenali jenis ras kucing lainnya. Ketiga, dataset yang digunakan memiliki keterbatasan dalam variasi citra dengan objek yang saling tumpang tindih atau overlap, sehingga model tidak terlatih secara optimal untuk mengenali dan membedakan objek yang saling bertumpuk dalam satu citra.
Berdasarkan kekurangan tersebut, berikut adalah saran-saran yang diusulkan agar dapat meningkatkan kualitas penelitian.
- Menambah citra dengan jumlah objek lebih banyak dalam satu citra pada data training.
- Menambah variasi kelas dengan menambahkan berbagai jenis ras kucing lainnya.
- Menambah citra dengan objek-objek yang saling tumpang tindih atau overlap dalam dataset untuk melatih model dalam mengenali dan memisahkan objek yang saling bertumpuk.
Daftar Pustaka
Albawi, S., Mohammed, T.A. and Al-Zawi, S., 2017. Understanding of a convolutional neural network. In: 2017 International Conference on Engineering and Technology (ICET). IEEE. pp.1–6. https://doi.org/10.1109/ICEngTechnol.2017.8308186.
Amjoud, A.B. and Amrouch, M., 2023. Object Detection Using Deep Learning, CNNs and Vision Transformers: A Review. IEEE Access, 11, pp.35479–35516. https://doi.org/10.1109/ACCESS.2023.3266093.
Azahro Choirunisa, N., Karlita, T. and Asmara, R., 2021. Deteksi Ras Kucing Menggunakan Compound Model Scaling Convolutional Neural Network. Technomedia Journal, 6(2), pp.236–251. https://doi.org/10.33050/tmj.v6i2.1704.
Banharnsakun, A., 2019. Towards improving the convolutional neural networks for deep learning using the distributed artificial bee colony method. International Journal of Machine Learning and Cybernetics, 10(6), pp.1301–1311. https://doi.org/10.1007/s13042-018-0811-z.
Borwarnginn, P., Thongkanchorn, K., Kanchanapreechakorn, S. and Kusakunniran, W., 2019. Breakthrough Conventional Based Approach for Dog Breed Classification Using CNN with Transfer Learning. In: 2019 11th International Conference on Information Technology and Electrical Engineering (ICITEE). IEEE. pp.1–5. https://doi.org/10.1109/ICITEED.2019.8929955.
Bouazizi, O., Azroumahli, C., El Mourabit, A. and Oussouaddi, M., 2024. Road Object Detection using SSD-MobileNet Algorithm: Case Study for Real-Time ADAS Applications. Journal of Robotics and Control (JRC), 5(2), pp.551–560. https://doi.org/10.18196/jrc.v5i2.21145.
Bouke, M.A. and Abdullah, A., 2023. An empirical study of pattern leakage impact during data preprocessing on machine learning-based intrusion detection models reliability. Expert Systems with Applications, 230. https://doi.org/10.1016/j.eswa.2023.120715.
Carbonell, M., Mas, J., Villegas, M., Fornes, A. and Llados, J., 2019. End-to-End Handwritten Text Detection and Transcription in Full Pages. In: 2019 International Conference on Document Analysis and Recognition Workshops (ICDARW). IEEE. pp.29–34. https://doi.org/10.1109/ICDARW.2019.40077.
Chappidi, J. and Sundaram, D.M., 2024. Novel Animal Detection System: Cascaded YOLOv8 with Adaptive Preprocessing and Feature Extraction. IEEE Access, 12, pp.110575–110587. https://doi.org/10.1109/ACCESS.2024.3439230.
Chiu, Y.-C., Tsai, C.-Y., Ruan, M.-D., Shen, G.-Y. and Lee, T.-T., 2020. Mobilenet-SSDv2: An Improved Object Detection Model for Embedded Systems. In: 2020 International Conference on System Science and Engineering (ICSSE). IEEE. pp.1–5. https://doi.org/10.1109/ICSSE50014.2020.9219319.
Compton, W.C. and Hoffman, E., 2023. Positive Psychology: The Science of Happiness and Flourishing. 4th ed. SAGE Publications, Inc.
Effendi, M.R., 2018. Sistem Deteksi Wajah Jenis Kucing dengan Image Classification Menggunakan OpenCV. Jurnal Teknologi Informatika dan Komputer, 4(1), pp.27–35. https://doi.org/10.37012/jtik.v4i1.283.
Fawwaz, A., Ramadhani, K.N. and Sthevanie, F., 2020. Klasifikasi Ras pada Kucing menggunakan Algoritma Convolutional Neural Network (CNN). e-Proceeding of Engineering, 8, pp.715–730.
Gholamy, A., Kreinovich, V. and Kosheleva, O., 2018. A Pedagogical Explanation. Departmental Technical Reports (CS), University of Texas at El Paso. Available at: https://scholarworks.utep.edu/cs_techrep/1209.
Gulzar, Y., 2023. Fruit Image Classification Model Based on MobileNetV2 with Deep Transfer Learning Technique. Sustainability, 15(3), p.1906. https://doi.org/10.3390/su15031906.
Gunawan, R., Hanafie, D.M.I. and Elanda, A., 2024. Klasifikasi Jenis Ras Kucing Dengan Gambar Menggunakan Convolutional Neural Network (CNN). Jurnal Interkom: Jurnal Publikasi Ilmiah Bidang Teknologi Informasi dan Komunikasi, 18(4), pp.1–8. https://doi.org/10.35969/interkom.v18i4.318.
Hania, A.A., 2017. Mengenal Artificial Intelligence, Machine Learning, Neural Network, dan Deep Learning. Available at: https://www.researchgate.net/publication/320395378.
Hossin, M. and Sulaiman, M.N., 2015. A Review on Evaluation Metrics for Data Classification Evaluations. International Journal of Data Mining & Knowledge Management Process, 5(2), pp.01–11. https://doi.org/10.5121/ijdkp.2015.5201.
Howard, A.G., Zhu, M., Chen, B., Kalenichenko, D., Wang, W., Weyand, T., Andreetto, M. and Adam, H., 2017. MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications. https://doi.org/10.48550/arXiv.1704.04861.
Indriyani, S., Sthevanie, F. and Ramadhani, K.N., 2019. Pengenalan Ras Kucing Scottish Fold Menggunakan Metode Histogram of Oriented Gradients dan Jaringan Saraf Tiruan. e-Proceeding of Engineering, 6, pp.9325–9335.
Jain, V. and Viswanathan, V., 2015. The Usage and Applications of Mobile Apps. In: Encyclopedia of Mobile Phone Behavior. IGI Global. pp.1242–1255. https://doi.org/10.4018/978-1-4666-8239-9.ch100.
Kellenberger, B., Volpi, M. and Tuia, D., 2017. Fast animal detection in UAV images using convolutional neural networks. In: 2017 IEEE International Geoscience and Remote Sensing Symposium (IGARSS). IEEE. pp.866–869. https://doi.org/10.1109/IGARSS.2017.8127090.
Khan, S., Rahmani, H., Shah, S.A.A. and Bennamoun, M., 2018. A Guide to Convolutional Neural Networks for Computer Vision. Synthesis Lectures on Computer Vision. Cham: Springer International Publishing. https://doi.org/10.1007/978-3-031-01821-3.
Kumar, P., Luo, S. and Shaukat, K., 2023. A Comprehensive Review of Deep Learning Approaches for Animal Detection on Video Data. International Journal of Advanced Computer Science and Applications, 14(11). https://doi.org/10.14569/IJACSA.2023.01411144.
Kusuma, J., Jinan, A., Lubis, M.Z., Rubianto, R. and Rosnelly, R., 2022. Komparasi Algoritma Support Vector Machine Dan Naive Bayes Pada Klasifikasi Ras Kucing. Generic, 14(1), pp.8–12. https://doi.org/10.18495/generic.v14i1.122.
Kusuma, P.C. and Soewito, B., 2023. Multi-Object Detection Using YOLOv7 Object Detection Algorithm on Mobile Device. Journal of Applied Engineering and Technological Science (JAETS), 5(1), pp.305–320. https://doi.org/10.37385/jaets.v5i1.3207.
Liang, J., Deng, Y. and Zeng, D., 2020. A Deep Neural Network Combined CNN and GCN for Remote Sensing Scene Classification. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 13, pp.4325–4338. https://doi.org/10.1109/JSTARS.2020.3011333.
Liu, W., Anguelov, D., Erhan, D., Szegedy, C., Reed, S., Fu, C.-Y. and Berg, A.C., 2015. SSD: Single Shot MultiBox Detector. pp.21–37. https://doi.org/10.1007/978-3-319-46448-0_2.
Meliuwati, P. and Kurniati, E., 2022. Ekstraksi Data Digital Menggunakan Teknik Max Pooling dan Average Pooling. Jurnal Riset Matematika, pp.137–144. https://doi.org/10.29313/jrm.v2i2.1338.
O’Shea, K. and Nash, R., 2015. An Introduction to Convolutional Neural Networks. https://doi.org/10.48550/arXiv.1511.08458.
Padilla, R., Netto, S.L. and da Silva, E.A.B., 2020. A Survey on Performance Metrics for Object-Detection Algorithms. In: 2020 International Conference on Systems, Signals and Image Processing (IWSSIP). IEEE. pp.237–242. https://doi.org/10.1109/IWSSIP48289.2020.9145130.
Padilla, R., Passos, W.L., Dias, T.L.B., Netto, S.L. and Da Silva, E.A.B., 2021. A comparative analysis of object detection metrics with a companion open-source toolkit. Electronics (Switzerland), 10(3), pp.1–28. https://doi.org/10.3390/electronics10030279.
Pumsirirat, A. and Yan, L., 2018. Credit Card Fraud Detection using Deep Learning based on Auto-Encoder and Restricted Boltzmann Machine. International Journal of Advanced Computer Science and Applications, 9(1). https://doi.org/10.14569/IJACSA.2018.090103.
Qatrunnada, N., Fachrurrozi, M. and Utami, A.S., 2022. Cat Breeds Classification using Convolutional Neural Network for Multi-Object Image. Sriwijaya Journal of Informatic and Applications, 3(2), pp.74–84. Available at: http://sjia.ejournal.unsri.ac.id.
Rajeswari, M., Akanksha, K., Geethanjali, P., Sanjana Gujjar, V. and Shradha Bhat, 2023. Wildlife Detection Using Convolutional Neural Network. International Journal of Science Engineering and Technology. Available at: https://www.researchgate.net/publication/377076509.
Rančić, K., Blagojević, B., Bezdan, A., Ivošević, B., Tubić, B., Vranešević, M., Pejak, B., Crnojević, V. and Marko, O., 2023. Animal Detection and Counting from UAV Images Using Convolutional Neural Networks. Drones, 7(3). https://doi.org/10.3390/drones7030179.
Rezatofighi, H., Tsoi, N., Gwak, J., Sadeghian, A., Reid, I. and Savarese, S., 2019. Generalized Intersection over Union: A Metric and A Loss for Bounding Box Regression. Available at: http://arxiv.org/abs/1902.09630.
Sandler, M., Howard, A., Zhu, M., Zhmoginov, A. and Chen, L.-C., 2018. MobileNetV2: Inverted Residuals and Linear Bottlenecks. Available at: http://arxiv.org/abs/1801.04381.
Wiley, V. and Lucas, T., 2018. Computer Vision and Image Processing: A Paper Review. International Journal of Artificial Intelligence Research, 2(1), p.22. https://doi.org/10.29099/ijair.v2i1.42.
Xiang, Q., Wang, X., Li, R., Zhang, G., Lai, J. and Hu, Q., 2019. Fruit Image Classification Based on MobileNetV2 with Transfer Learning Technique. In: Proceedings of the 3rd International Conference on Computer Science and Application Engineering. New York, NY, USA: ACM. pp.1–7. https://doi.org/10.1145/3331453.3361658.
Xu, S., Wang, J., Shou, W., Ngo, T., Sadick, A.M. and Wang, X., 2021. Computer Vision Techniques in Construction: A Critical Review. Archives of Computational Methods in Engineering, 28(5), pp.3383–3397. https://doi.org/10.1007/s11831-020-09504-3.
Zhang, X., Yang, L. and Sinnott, R., 2019. A Mobile Application for Cat Detection and Breed Recognition Based on Deep Learning. In: 2019 IEEE 1st International Workshop on Artificial Intelligence for Mobile (AI4Mobile). IEEE. pp.7–12. https://doi.org/10.1109/AI4Mobile.2019.8672684.





























