Implementasi Transfer Learning Untuk Klasifikasi Jenis Ras Ayam Menggunakan Arsitektur MobileNetV2

Abstract

Ayam diketahui telah berbaur dengan manusia dan menyebar di berbagai penjuru dunia. Orang awam kebanyakan dalam membedakan jenis ras ayam dengan ayam yang lain berdasarkan ekor, warna, dan bentuk tubuhnya. Dengan memahami perbedaan-perbedaan tersebut, seseorang dapat mengidentifikasi jenis ras ayam yang berbeda. Ras ayam secara umum memiliki tekstur yang hampir sama sehingga ini membuat kesulitan orang untuk menentukan jenis ras ayam, terutama orang awam yang belum mengetahui ciri-ciri serta jenis ras ayam. Pengumpulan data dilakukan dengan mengambil citra pada jenis ras ayam yang digunakan sebagai dataset dengan 12 kelas, yaitu Cemani, Kate, Pelung, Serama, Ketawa, Hutan, Mutiara, Kalkun, Bangkok, Poland, Ketawa, Dong Tao Sistem dianalisis kebutuhannya dari segi data, pengguna, dan sistem itu sendiri. Tahap perancangan dimulai dari pelatihan model yang baik dalam klasifikasi, merancang arsitektur data, dan merancang arsitektur. Berikutnya, transfer learning diimplementasikan kedalam sistem menyesuaikan rancangan yang telah dibuat untuk menghasilkan sistem klasifikasi. Pada penelitian ini transfer learning diimplementasikan menggunakan pre-trained model yang berarsitektur MobileNetV2 sebagai lapisan ekstraksi fitur pada model klasfikasi. Pada penelitian ini transfer learning diimplementasikan menggunakan pre-trained model yang berarsitektur MobileNetV2 sebagai lapisan ekstraksi fitur pada model klasfikasi. Pada tahap pelatihan, model-model klasifikasi dilatih menggunakan 1800 citra dan divalidasi dengan 300 citra. Kemudian, dilakukan pengujian menggunakan 300 citra menggunakan confusion matrix untuk melihat performa model, dan akurasi. Hasil dari penelitian dapat diketahui bahwa model MobileNetV2 yang mendapatkan hasil akurasi pengujian sebesar 95% dengan loss 0,378. Dari hasil tersebut, sistem klasifikasi jenis ras ayam yang dibangun dapat digunakan.