Text
Pengembangan Aplikasi Web berbasis CNN untuk Identifikasi Spesies Kucing ( Family Felidae)
Pembelajaran tentang taksonomi di dunia Pendidikan masih disampaikan secara teoritis dengan
visualisasi yang kurang memadai. Famili Felidae memiliki kemiripan secara morfologi antarspesies
yang menyulitkan proses identifikasi, terutama bagi masyarakat umum. Penelitian ini bertujuan
mengembangkan aplikasi web berbasis Convolutional Neural Network untuk mengidentifikasi
spesies dari famili Felidae secara otomatis sekaligus menyediakan media pembelajaran taksonomi
yang interaktif. Pendekatan pada penelitian menggunakan Research and Development dengan
model pengembangan Rapid Application Development. Model identifikasi memanfaatkan CNN
dengan arsitektur Xception melalui transfer learning dilatih dengan dataset sebanyak 3.484 citra
dari 30 spesies dari famili Felidae diperoleh dari Kaggle, Pixabay, Flickr, dan Unsplash.
Pengumpulan data dilakukan melalui wawancara terhadap responden dan observasi dataset untuk
memahami kebutuhan pengguna. Web aplikasi dikembangkan menggunakan Next.js sebagai
frontend, Flask sebagai backend, dan supabase untuk manajemen database. Hasil penelitian model
CNN Xception mencapai akurasi 96% dengan nilai precision, recall dan F1-score rata rata 0,96.
Aplikasi “FeliLearn” memiliki tiga fitur utama yaitu AI Scanner untuk identifikasi, halaman
Ensiklopedia yang menyajikan informasi lengkap setiap spesies, dan visualisai radial diagram
untuk memahami hierarki taksonomi secara interaktif. Pengujian fungsional membuktikan seluruh
fitur berjalan sesuai dengan kebutuhan pengguna. Web aplikasi layak digunakan sebagai media
pembelajaran interaktif untuk mengenal spesies dalam famili Felidae berbasis teknologi kecerdasan
buatan.
Kata kunci: Taksonomi, Famili Felidae, Convolutional Neural Network, Transfer Learning,
Aplikasi web
Tidak tersedia versi lain