Penerapan Arsitektur Residual Network (ResNet-50) Pada Klasifikasi Citra Lovebird

Prayoga, Ryan Sea
Pamungkas, Danar Putra
Widodo, Danang Wahyu

Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi)
Vol. 9 No. 3 (2025): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2025

Klasifikasi jenis lovebird berdasarkan citra digital merupakan tantangan karena kemiripan visual antarjenis, terutama pada warna bulu dan pola tubuh. Penelitian ini bertujuan membangun model klasifikasi otomatis menggunakan algoritma Convolutional Neural Network dengan arsitektur Residual Networks 50. Dataset terdiri dari 500 gambar lovebird yang dikategorikan ke dalam tiga jenis, dengan praproses normalisasi dan augmentasi citra. Model ResNet-50 dilatih selama 1000 epoch dan dievaluasi menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil menunjukkan model mencapai akurasi pelatihan 88,6% dan F1-score rata-rata 83,4% tanpa overfitting signifikan. Temuan ini membuktikan bahwa arsitektur ResNet-50 efektif dalam mengklasifikasikan jenis lovebird, serta menunjukkan potensi penerapan kecerdasan buatan dalam identifikasi spesies hewan peliharaan secara visual.