SEGMENTASI CITRA KERBAU TORAJA DENGAN ALGORITMA FASTER REGION CONVOLUTION NEURAL NETWORK (FASTER R-CNN) DAN SELF ORGANIZING MAP (SOM)

Kerbau Toraja merupakan ternak yang memiliki nilai ekonomi, sosial, dan budaya yang sangat tinggi, khususnya di Toraja. terutama Saleko dan Bonga. Penelitian ini bertujuan untuk mengembangkan kerangka kerja klasifikasi kerbau Toraja berbasis citra dengan mengintegrasikan metode pembelajaran terawasi dan tak-terawasi guna meningkatkan akurasi sekaligus interpretabilitas hasil. Secara khusus, penelitian ini bertujuan untuk: (1) merancang sistem deteksi dan segmentasi citra kerbau Toraja berbasis deep learning, (2) mengintegrasikan Convolutional Neural Network (CNN) dengan Self-Organizing Map (SOM) sebagai lapisan interpretabilitas, dan (3) mengevaluasi kinerja sistem secara kuantitatif dan visual serta mengimplementasikannya dalam aplikasi berbasis web. Metode yang digunakan mengombinasikan Faster Region Convolutional Neural Network (Faster R-CNN) dan YOLO untuk deteksi objek dan ekstraksi fitur visual utama kerbau, yang meliputi pola warna kulit, tekstur, dan bentuk objek. Fitur hasil ekstraksi kemudian direduksi dimensinya menggunakan Principal Component Analysis (PCA) sebelum dipetakan dan dikelompokkan secara tak-terawasi menggunakan Self-Organizing Map. Evaluasi kinerja sistem dilakukan menggunakan metrik mean Average Precision (mAP), akurasi klasifikasi, confusion matrix, serta analisis visual melalui peta SOM. Hasil penelitian menunjukkan bahwa pendekatan hibrida Faster R-CNN dan SOM mampu mencapai nilai mAP@0.5 sebesar 0,986 dengan tingkat akurasi klasifikasi keseluruhan sebesar 97,7%. Visualisasi peta SOM memperlihatkan pemisahan klaster fitur yang jelas antara kerbau Saleko dan Bonga. Kesimpulan dari penelitian ini adalah bahwa integrasi metode deteksi berbasis deep learning dan pemetaan fitur tak-terawasi menggunakan Self-Organizing Map efektif dalam meningkatkan akurasi dan interpretabilitas klasifikasi kerbau Toraja berbasis citra. Pendekatan ini tidak hanya memberikan kontribusi metodologis dalam bidang pengolahan citra dan kecerdasan buatan, tetapi juga menawarkan solusi aplikatif yang relevan bagi pelestarian dan penilaian ternak bernilai budaya tinggi.