%0 Thesis
%9 S1 - Sarjana
%A Pramudika, Muhammad Ikhwan
%A Universitas AMIKOM Yogyakarta,
%B Fakultas Ilmu Komputer
%D 2025
%F universitasamikomyogyakarta:31364
%I Universitas AMIKOM Yogyakarta
%K Convolutional Neural Network, Transfer Learning, Fine-Tuning, Klasifikasi Ras Kucing, Data Augmentation
%T IMPLEMENTASI ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN) PADA KLASIFIKASI RAS KUCING
%U https://eprints.amikom.ac.id/id/eprint/31364/
%X Kucing adalah salah satu hewan peliharaan yang paling banyak diminati di  dunia, dengan berbagai ras yang memiliki ciri khas fisik dan kebutuhan perawatan  yang berbeda-beda. Mengetahui ras kucing secara akurat sangat penting untuk  memberikan perawatan yang tepat, namun banyak pemilik kucing yang kesulitan  dalam mengidentifikasi ras kucing mereka, terutama pada kucing hasil kawin  silang. Penelitian ini bertujuan untuk mengembangkan sistem otomatis yang dapat  mengklasifikasikan ras kucing menggunakan algoritma Convolutional Neural  Network (CNN) dengan pendekatan Transfer Learning dan Fine-Tuning, guna  meningkatkan akurasi klasifikasi ras kucing berdasarkan gambar.  Model CNN yang digunakan dalam penelitian ini adalah MobileNetV2,  yang terkenal efisien dan cocok diterapkan pada perangkat dengan keterbatasan  sumber daya komputasi. Model ini dilatih dengan dataset yang berisi 13 ras kucing  yang telah diberi label, dan dilakukan proses pra-pemrosesan gambar dengan teknik  resize, normalisasi, serta data augmentation untuk memperkaya variasi data  pelatihan. Pelatihan model dilakukan dalam dua tahap utama, yaitu Head Training  dan Fine-Tuning, di mana beberapa lapisan dari model MobileNetV2 yang sudah  dilatih sebelumnya dibekukan, sementara lapisan-lapisan akhir dilatih ulang dengan  menggunakan learning rate yang lebih rendah.  Hasil evaluasi model menunjukkan bahwa model yang dikembangkan  mampu mengklasifikasikan ras kucing dengan akurasi validasi sebesar 82,31%.  Selain itu, metrik evaluasi lainnya seperti precision, recall, dan AUC juga  menunjukkan hasil yang memadai, meskipun terdapat indikasi overfitting pada  model. Penelitian ini berhasil mengimplementasikan sistem yang dapat secara  otomatis mengidentifikasi ras kucing dengan menggunakan teknologi Deep  Learning, meskipun masih ada potensi untuk meningkatkan kemampuan model  dalam hal generalisasi.