Penerapan Metode Jaringan Syaraf Tiruan Untuk Pendugaan Jenis Kelamin Ikan: Studi Kasus Ikan Koi (Cyprinus Carpio)

Abstract

Koi (Cyprinus carpio) merupakan salah satu ikan yang dari dulu hingga saat ini terkenal di masyarakat, khususnya pecinta ikan hias, para hobiis dan pebisnis yang terjun langsung memelihara dan mengkomersialkannya. Koi terkenal karena warna, bentuk dan gerakannya yang menarik sehingga sederetan langkah dilakukan untuk mendapatkan keindahan tersebut. Salah satu langkah penting yang sering dilakukan adalah dengan penentuan jenis kelamin ikan dimana ikan koi jantan pada umumnya memiliki keindahan yang lebih bila dibandingkan dengan koi betina. Penelitian ini bertujuan untuk mengimplementasikan sebuah sistem yang mampu mengintegrasikan metode pemilahan jenis kela min melalui penerapan jaringan syaraf tiruan sebagai sebuah metode komputasi yang relatif baru dibidang perikanan. Diharapkan pengembangan sistem ini nantinya mampu melakukan pendugaan yang lebih dini terhadap jenis kelamin ikan koi. Pengumpulan data dilaksanakan pada bulan Desember 2004 sampai dengan Februari 2005. Sumber data diperoleh dari hasil foto ikan koi yang dipelihara di Laboratorium Basah Biologi Laut. Implementasi dan analisis sistem di lakukan di Laboratorium Akustik dan Instrumentasi Kelautan Departemen ITK dan Laboratorium Pengembangbiakan dan Genetika Ikan Departemen BDP untuk identifikasi jenis kelamin. Analisis citra ikan yang didapatkan menggunakan algoritma pengolahan citra sehingga akan dihasilkan nilai deskriptor – deskriptor sebagai masukan pada sebuah jaringan syaraf tiruan. Adapun deskriptor yang diambil yaitu Panjang, Lebar, Perimeter, Area, Elongation, Circulariy, Rectangular, Indeks Warna Merah, Indeks Warna Biru, Indeks Warna Hijau, Intensitas, Hue dan Saturasi objek ikan Koi. Hasil analisis menunjukan bahwa nilai deskriptor yang dihasilkan ikan jantan dan ikan betina pada umumnya berbeda nyata kecuali pada deskriptor Elongation dan deskriptor Iindeks Warna Hijau. Algoritma Jaringan Syaraf Tiruan (JST) yang digunakan adalah algoritma Backpropagation. Komponen algoritma JST yang digunakan berbeda untuk ikan jantan dan betina sangat tergantung pada nilai laju pembelajaran, jumlah neuron tersembunyi dan jumlah iterasi yang dilakukan, sedangkan nilai momentum yang digunakan sama yaitu 0.5 Tingkat akurasi terbaik yang diperoleh adalah 100% pada saat pelatihan baik pada ikan jantan maupun ikan betina sedangkan tingkat akurasi terbaik yang diperoleh pada saat validasi adalah 70%. Pada ikan jantan laju pembelajaran yang memberikan hasil validasi terbaik adalah learning rate 0.9 dengan iterasi maksimum 10,000 kali dan jumlah neuron tersembunyi sebanyak 39 buah, sedangkan pada ikan betina didapatkan nilai laju pembelajaran sebesar 0.3 dengan jumlah neuron tersembunyi sebanyak 39 buah dan iterasi maksimum sebanyak 10,000 kali.