Perpustakaan Digital ITB

Kukang (Nycticebus) merupakan primata nokturnal dilindungi yang pemantauannya melalui camera trap menghasilkan data visual mentah dalam jumlah sangat besar, sehingga pemilahan dan pengelompokan gambar secara manual memakan waktu lama dan menguras sumber daya. Penelitian ini membangun sistem bernama Kukang- Sort AI yang mengimplementasikan model You Only Look Once (YOLO11n-cls) untuk mengklasifikasikan citra camera trap kukang secara otomatis. Sistem berarsitektur klien–server: backend FastAPI memuat empat model klasifikasi YOLO11n-cls bertahap beserta satu detektor MegaDetector, dan frontend satu berkas berisi empat tab (Sortir, Waktu, Behavior, dan Alat Enhance). Model sortir memilah kelas kukang, unknown, dan delete? model verifier menegaskan identitas kukang pada crop? sedangkan dua model behavior mengklasifikasikan perilaku bergerak, grooming, dan makan secara dua tahap. Prapemrosesan seragam (CLAHE, unsharp masking, normalisasi kecerahan) diterapkan identik saat pelatihan dan inferensi. Model sortir mencapai akurasi uji 94,00% (150 citra, F1 makro 0,940) dan verifier 95,88% (97 crop, F1 makro 0,959)? model perilaku mencapai 73,33% (gambar penuh) dan 87,50% (crop), namun karena himpunan ujinya sangat kecil tahap perilaku baru berhasil sebagai prototipe awal, bukan model final. Waktu proses endpoint sortir turun ke sekitar 433 ms per citra pada kondisi tunak, beberapa kali lebih cepat daripada pemilahan manual. Sistem yang mampu berjalan luring penuh ini memberikan solusi praktis dan mudah diakses bagi peneliti maupun praktisi konservasi kukang.