Seiring berkembangnya teknologi, banyak masyarakat yang memanfaatkan teknologi dalam melakukan berbagai aktivitas. Tidak hanya masyarakat, perusahaan rintisan hingga perusahaan ternama juga menggunakan teknologi untuk meningkatkan produktivitas perusahaannya. Proses jual beli saat ini juga dapat dilakukan secara langsung maupun tidak langsung (online).

Proses jual beli tidak jauh dengan kegiatan tawar menawar harga. Tentu saja dalam melakukan tawar manawar tersebut perusahaan atau masyarakat memiliki berbagai pertimbangan terkait produk yang diperjual belikan. Salah satu perusahaan yang memiliki berbagai pertimbangan terkait produk yang diperjual belikan adalah perusahaan yang mengolah sarang burung walet.

Dalam pengolahan sarang burung walet terdapat berbagai proses, di mana perlakuan yang dilakukan untuk setiap sarang berbeda guna meminimalisir biaya produksi. Oleh karena itu, dalam membeli bahan baku perlu memperhatikan kualitas sarang supaya biaya yang dikeluarkan untuk membeli bahan baku tersebut sesuai dengan biaya produksi. Salah satu hal yang perlu diperhatikan dalam membeli bahan baku sarang burung walet tersebut adalah intensitas bulu pada sarang, yang mana dalam masyarakat biasanya sarang burung walet dikelompokan menjadi 4 kategori berdasarkan intensitas bulunya, yakni Bulu Ringan (BR), Bulu Sedang (BS), Bulu Berat (BB), dan Bulu Berat Sekali (BB2). Namun ada juga yang mengelompokkan menjadi 7 kategori seperti PT Waleta Asia Jaya, yakni BRS, BR, BST, BS, BBT, BB, dan BB2.

Melihat banyaknya kategori yang perlu diperhatikan pada sarang burung walet yang mempengaruhi harga produksi maka dalam membeli bahan baku perlu pertimbangan yang matang dalam menentukan harga beli. Oleh karena itu perlu dilakukan pengambilan sampel kemudian di hitung berdasarkan aspek-aspek yang diperhatikan dalam pengolahannya. Namun pada umumnya dalam pembelian bahan baku dalam satu kali transaksi mencapai puluhan kilogram, sehingga akan memerlukan banyak waktu untuk melakukan pengambilan sampel, pemilahan berdasarkan kategori, hingga proses perhitungannya (persentase setiap kategori). Selain itu, jumlah sampel yang diambil juga perlu diperhatikan karena akan dipilah dan dihitung.

Berdasarkan pemaparan di atas, diperlukan sebuah teknologi yang dapat mempercepat proses perhitungan persentase setiap kategori dari sampel sarang burung walet yang diambil. Untuk menjawab permasalahan tersebut, pada proposal ini diusulkan teknologi berupa aplikasi deteksi sarang burung walet pada smartphone yang mampu mendeteksi sarang burung walet pada sebuah foto dan menghitung banyaknya sarang burung walet yang dideteksi beserta persentase setiap kategorinya (intensitas bulu).

Dalam pembuatan aplikasi deteksi sarang burung walet akan dibuat sebuah model object detection menggunakan data yang berbentuk gambar digital. Object detection merupakan penelitian dasar pada bidang artificial intelligence yang dapat digunakan untuk sesuatu yang kompleks seperti pelacakan suatu benda, deteksi peristiwa, dan analisis perilaku. Salah satu metode pada deep learning yang dapat digunakan untuk melakukan proses pembelajaran dengan data berupa gambar pada komputer adalah Convolutional Neural Network (CNN) atau Jaringan Syaraf Konvolusi. CNN saat ini sudah dimanfaatkan di berbagai bidang, seperti pengklasifikasian citra makanan tradisional, klasifikasi varietas pada citra daun sawi, dan klasifikasi penggunaan masker.

SSD MobileNet merupakan salah satu arsitektur deep learning yang melibatkan arsitektur SSD (Single Shot Multibox Detector) dan MobileNet, di mana arsitektur MobileNet sendiri dapat bekerja dengan menggunakan sedikit komputasi dan SSD sendiri merupakan arsitektur untuk object detection yang memiliki accuracy yang tinggi dan cepat. Berdasarkan penelitian terdahulu didapat nilai mean Average Precision (mAP) dari arsitektur SSD MobileNet V2 lebih baik jika dibandingkan dengan SSD MobileNet V1 dalam mendeteksi 20 jenis objek benda yang ada di dalam rumah. mAP tersebut menunjukkan kebaikan model dalam mendeteksi objek.

Berdasarkan penjelasan terkait teori tentang teknologi yang digunakan maka dalam pembuatan aplikasi yang dapat mendeteksi objek akan digunakan arsitektur SSD MobileNet V2 FPNLite dan pada pengembangan pertama teknologi ini berfokus pada pendeteksian sarang burung walet yang dibedakan menjadi 4 kategori (BR, BS, BB, dan BB2) dan 7 ketegori (BRS, BR, BST, BS, BBT, BB, dan BB2).

Teknologi deteksi objek sudah digunakan di berbagai hal, bahkan di smartphone yang kita miliki dapat kita jumpai, yaitu deteksi wajah untuk membuka kunci smartphone. Selain itu, penggunaan teknologi tersebut untuk menghitung objek seperti manusia dan kendaraan juga sudah ada, namun berdasarkan survei yang telah dilakukan belum ditemukan penerapan teknologi deteksi objek untuk menghitung sarang burung walet beserta persentase untuk setiap kategorinya. Selain itu, aplikasi dapat dijalankan pada smartphone dengan segala keterbatasannya.