Pemantauan perilaku tikus sebagai hewan model memiliki peran penting dalam penelitian medis untuk memahami penyakit dan menguji obat-obatan potensial. Salah satu metode yang digunakan adalah T maze spontaneous alternation test, yang mengukur tingkat pembelajaran dan daya ingat tikus serta kecenderungan mereka untuk mengeksplorasi lingkungan baru. Namun, proses pengamatan manual memakan waktu dan rentan terhadap subjektivitas. Penelitian ini mengusulkan penggunaan pemrosesan video untuk meningkatkan efisiensi dan objektivitas penelitian. Eksperimen dilakukan di Universitas Sebelas Maret dengan memanfaatkan kecerdasan buatan untuk mendeteksi aktivitas pada T maze spontaneous alternation test. Tahap pertama melibatkan pengumpulan data perilaku tikus di labirin, yang kemudian diberi label untuk deteksi objek. Data ini dilatih menggunakan YOLO (you only look once) versi 8 dengan metode CNN (convolutional neural network). Model yang dilatih berhasil mencapai tingkat optimal akurasi 0,951 dengan recall 0,981. Algoritma perhitungan kemudian diterapkan pada model untuk mendeteksi variabel seperti persentase, jarak, dan total waktu pergantian tikus pada lengan labirin. Hasil penelitian menunjukkan bahwa sistem ini dapat meningkatkan efisiensi dan objektivitas dalam analisis T maze spontaneous alternation test. Sistem ini menjanjikan kemajuan signifikan dalam penelitian perilaku hewan model dan dapat dikembangkan lebih lanjut untuk aplikasi yang lebih luas, termasuk pemahaman gangguan neurologis dan pengembangan terapi baru.
