Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal SITEKNIK: Sistem Informasi, Teknik dan Teknologi Terapan
Andi Yulia Muniar
Universitass Teknologi Akba Makassar, Indonesia
Humanities Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Decision Sciences, Operations Research & Management

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Implementasi Model Mobilenetv2 Untuk  Klasifikasi Ras Anjing Nurzaenab; Sul Agus Zarni; Andi Yulia Muniar; Tatik Maslihatin; Ika Yuswandari Supagi Supagi; Fitriani M. Sabir
SITEKNIK: Sistem Informasi, Teknik dan Teknologi Terapan Vol. 3 No. 3 (2026): July
Publisher : RAM PUBLISHER

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.5281/zenodo.21579001

Abstract

Identifikasi ras anjing secara visual merupakan tantangan signifikan bagi masyarakat awam karena kemiripan fitur morfologi yang sangat tinggi antar spesies. Kesalahan identifikasi berdampak serius pada ketidaktepatan pola perawatan harian dan penanganan medis spesifik. Penelitian ini mengimplementasikan teknologi visi komputer melalui model Deep Learning berbasis arsitektur MobileNetV2 untuk klasifikasi otomatis ras Basenji, Chow, Dingo, dan Lhasa. Permasalahan utama yang diangkat adalah tingginya variasi intra-kelas dan kemiripan ekstrem antar-kelas pada citra hewan. Metodologi penelitian menggunakan 600 citra berkualitas tinggi dengan tahap preprocessing ketat dan augmentasi data intensif. Teknik transfer learning diterapkan melalui fine-tuning pada 50 lapisan terakhir MobileNetV2. Untuk meningkatkan stabilitas, model dimodifikasi dengan menambahkan lapisan Dense 32 unit, Dropout 0.6, serta Regularizer L2 sebesar 0.003 guna menekan risiko overfitting. Hasil pengujian menunjukkan performa impresif dengan akurasi pelatihan 96% dan akurasi pengujian 93%. Waktu pelatihan sangat efisien, yakni hanya 3 menit untuk 10 epoch. Analisis confusion matrix menunjukkan keunggulan model pada ras Basenji, meskipun terdapat tantangan tekstur bulu pada Lhasa dan Chow. Konfigurasi ini terbukti efektif, ringan, dan siap untuk implementasi real-time pada perangkat seluler.
Implementasi Model Mobilenetv2 Untuk  Klasifikasi Ras Anjing Nurzaenab; Sul Agus Zarni; Andi Yulia Muniar; Tatik Maslihatin; Ika Yuswandari Supagi Supagi; Fitriani M. Sabir
SITEKNIK: Sistem Informasi, Teknik dan Teknologi Terapan Vol. 3 No. 3 (2026): July
Publisher : RAM PUBLISHER

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.5281/zenodo.21579001

Abstract

Identifikasi ras anjing secara visual merupakan tantangan signifikan bagi masyarakat awam karena kemiripan fitur morfologi yang sangat tinggi antar spesies. Kesalahan identifikasi berdampak serius pada ketidaktepatan pola perawatan harian dan penanganan medis spesifik. Penelitian ini mengimplementasikan teknologi visi komputer melalui model Deep Learning berbasis arsitektur MobileNetV2 untuk klasifikasi otomatis ras Basenji, Chow, Dingo, dan Lhasa. Permasalahan utama yang diangkat adalah tingginya variasi intra-kelas dan kemiripan ekstrem antar-kelas pada citra hewan. Metodologi penelitian menggunakan 600 citra berkualitas tinggi dengan tahap preprocessing ketat dan augmentasi data intensif. Teknik transfer learning diterapkan melalui fine-tuning pada 50 lapisan terakhir MobileNetV2. Untuk meningkatkan stabilitas, model dimodifikasi dengan menambahkan lapisan Dense 32 unit, Dropout 0.6, serta Regularizer L2 sebesar 0.003 guna menekan risiko overfitting. Hasil pengujian menunjukkan performa impresif dengan akurasi pelatihan 96% dan akurasi pengujian 93%. Waktu pelatihan sangat efisien, yakni hanya 3 menit untuk 10 epoch. Analisis confusion matrix menunjukkan keunggulan model pada ras Basenji, meskipun terdapat tantangan tekstur bulu pada Lhasa dan Chow. Konfigurasi ini terbukti efektif, ringan, dan siap untuk implementasi real-time pada perangkat seluler.
Co-Authors Fitriani M. Sabir Ika Yuswandari Supagi Supagi Nurzaenab Sul Agus Zarni Tatik Maslihatin