Teknologi Deep Learning YOLOv3 untuk Alat Pengusir Kucing Efektif di Lingkungan Rumah

oleh Novi Patricia, S.Kom, M.Sc. (Faculty Member PJJ CS)

Kucing liar yang masuk ke area rumah dapat menimbulkan berbagai permasalahan, mulai dari gangguan kenyamaman, kerusakan barang, hingga risiko kesehatan akibat parasit seperti Toxoplasma gondii yang berbahaya bagi ibu hamil. Untuk mengatasi masalah tersebut, dibutuhkan alat pengusir kucing yang efektif, cerdas, dan ramah lingkungan.

Penelitian ini bertujuan mengembangkan sistem deteksi objek menggunakan teknologi deep learning berbasis YOLOv3, yang mampu mengenali kucing secara cepat dan akurat. Sistem yang dirancang dilengkapi dengan buzzer yang akan mengeluarkan suara khusus ketika kucing terdeteksi, sehingga membuat kucing tidak nyaman dan meninggalkan area tersebut.

Proses pengembangan alat ini melibatkan tahapan desain generator suara, perancangan sistem pemantauan, pengumpulan dataset gambar kucing, pelatihan model YOLOv3, pembuatan prototipe, implementasi, dan pengujian. Model deep learning YOLOv3 dipilih karena keunggulannya dalam mendeteksi objek secara real-time dengan tingkat akurasi tinggi.

Hasil pengujian menunjukkan bahwa sistem deteksi objek menggunakan YOLOv3 mencapai tingkat akurasi hingga 80%. Selain itu, performa deteksi akan meningkat signifikan apabila sistem dilengkapi dengan graphic processing unit (GPU). Suara yang dihasilkan dari buzzer terbukti efektif mengusir kucing tanpa menyebabkan gangguan yang berarti bagi manusia.

Implementasi teknologi ini memberikan manfaat nyata berupa lingkungan rumah yang lebih nyaman dan aman dari gangguan kucing liar, serta mampu mencegah risiko kesehatan terutama akibat penyakit toxoplasmosis. Dengan demikian, pemanfaatan teknologi deep learning seperti YOLOv3 pada alat pengusir hewan tidak hanya inovatif tetapi juga memberikan solusi efektif yang aplikatif dalam kehidupan sehari-hari.

#BINUSRESEARCHPOINT #TEKNIKINFORMATIKA #COMPUTERSCIENCE #BINUS #BINUSUNIVERSITY