Klasifikasi Citra Ras Anjing Menggunakan Metode Convolutional Neural Network (CNN)

Authors

  • Dimas Aditya Universitas Pembangunan Nasional "Veteran" Jawa Timur
  • Fetty Tri Anggraeny Universitas Pembangunan Nasional "Veteran" Jawa Timur
  • Chrystia Aji Putra Universitas Pembangunan Nasional "Veteran" Jawa Timur

Keywords:

Convolutional Neural Network, Deep Learning, TensorFlow, Keras, Klasifikasi Ras Anjing

Abstract

Anjing merupakan salah satu hewan peliharaan yang paling banyak digemari manusia. Setiap ras anjing memiliki karakteristik fisik dan perilaku yang berbeda, sehingga penting untuk dapat mengenali dan mengklasifikasikan ras anjing dengan tepat. Proses identifikasi ras anjing secara manual membutuhkan keahlian dan waktu yang tidak sedikit, terutama karena variasi visual antar ras sangat beragam. Oleh karena itu, penelitian ini menerapkan metode Convolutional Neural Network (CNN) untuk melakukan klasifikasi citra ras anjing secara otomatis. CNN mampu mengekstraksi fitur visual dari gambar dan melakukan pembelajaran mendalam untuk mengenali pola yang membedakan tiap ras. Data citra anjing diolah melalui tahapan convolution layer, pooling layer, dan fully connected layer hingga menghasilkan output berupa prediksi ras anjing yang sesuai. Hasil pengujian menunjukkan bahwa sistem klasifikasi berbasis CNN mampu mengenali ras anjing dengan tingkat akurasi mencapai 87,6%, yang menunjukkan bahwa metode ini efektif untuk penerapan klasifikasi citra hewan peliharaan, khususnya anjing.

References

Rahman, A., & Setiawan, D. (2021). Deep Learning untuk Klasifikasi Citra Hewan. Jurnal Teknologi Informasi, 9(2), 45–54.

Susanto, R., & Hidayat, L. (2020). Implementasi CNN dalam Pengenalan Pola Visual. Jurnal Sains Komputer, 8(1), 12–20.

Prasetyo, T. (2022). Aplikasi Computer Vision untuk Identifikasi Hewan Peliharaan. Prosiding SNIK, 11(3), 33–39.

Nuraini, F., & Hakim, M. (2019). Analisis Fitur Morfologi pada Klasifikasi Hewan. Jurnal Informatika Terapan, 6(1), 56–65.

Wardana, I., & Lestari, P. (2023). Optimasi Arsitektur CNN untuk Pengenalan Objek. Jurnal Komputasi Cerdas, 4(2), 88–97.

Chen, Z., et al. (2021). Image Classification Using Deep Convolutional Networks. IEEE Access, 9, 14050–14062.

Wijaya, K., & Nugroho, E. (2020). Penerapan Deep Learning pada Citra Digital. Jurnal Teknologi Sistem Cerdas, 7(2), 22–31.

Zhang, L., & He, J. (2022). Dog Breed Classification Using CNN and Transfer Learning. Journal of Computer Vision Applications, 15(4), 210–218.

Fadillah, A., & Putri, N. (2019). Pengaruh Resolusi Data terhadap Akurasi CNN. Jurnal Sains Data, 5(3), 41–49.

Kim, Y., et al. (2023). Evaluating CNN Models for Animal Recognition. Pattern Recognition Letters, 168, 105–113.

Lestari, R., & Raharjo, B. (2021). Data Augmentation untuk Peningkatan Kinerja CNN. Jurnal Teknologi Informasi dan Multimedia, 10(2), 78–87.

Lee, J., & Park, D. (2024). Improving Dog Breed Classification with Transfer Learning. International Journal of AI Research, 8(1), 99–108.

Downloads

Published

2025-12-22

How to Cite

Dimas Aditya, Fetty Tri Anggraeny, & Chrystia Aji Putra. (2025). Klasifikasi Citra Ras Anjing Menggunakan Metode Convolutional Neural Network (CNN). Prosiding Seminar Nasional Informatika Bela Negara (SANTIKA), 5(2), 189–193. Retrieved from https://santika.upnjatim.ac.id/submissions/index.php/santika/article/view/878

Most read articles by the same author(s)

Obs.: This plugin requires at least one statistics/report plugin to be enabled. If your statistics plugins provide more than one metric then please also select a main metric on the admin's site settings page and/or on the journal manager's settings pages.

Similar Articles

<< < 1 2 3 4 5 6 > >> 

You may also start an advanced similarity search for this article.