Perkembangan dari Animal Pose Estimation lebih lambat dibandingkan dengan Human Pose Estimation, Di-
karenakan kurangnya kumpulan data hewan sehingga terjadinya ketidakseimbangan distribusi data pada
fase testing dan training, maupun untuk mengaplikasikan model deep learning. Untuk mengatasi kurang-
nya data yang berlabel dibuatlah model untuk melabeli gambar hewan. Terdapat penelitian yang meng-
gunakan metode domain adaptation dimana model dilatih menggunakan hewan sintetis yang dihasilkan
dari model 3D lalu menggunakan model tersebut untuk melabeli hewan asli. Laporan tugas akhir ini berisi
pengujian model domain adaptation Unsupervised Domain Adaptation Animal Pose (UDA-AP) untuk mela-
beli hewan yang data sintetisnya belum pernah dilatih di model tersebut. Dataset yang digunakan adalah
AP-10K dengan spesies yang sudah ditentukan. Model mampu melakukan pelabelan kepada hewan yang
sudah dilatih data sintetisnya dan struktuk keypoint mirip seperti kuda dan citah kecuali kelas siku yang
dikarenakan keypointnya yang tidak cocok, model juga belum mampu untuk melabeli hewan yang memili-
ki tanduk hal ini dapat dilihat dari akurasi kelas dagu dan mata pada hewan yang memiliki tanduk seperti
domba gunung, kerbau dan kijang akurasinya lebih kecil dibandikan dengan kelas lain. Akurasi kelas dari
setiap kategori hewan dapat dilihat di bagian pengujian.