Please use this identifier to cite or link to this item:
http://repository.ipb.ac.id/handle/123456789/112439
Title: | Identifikasi Jenis Ikan Kakap (Lutjanus sp.) dengan Menggunakan Metode Pembelajaran Dalam (Deep Learning) |
Other Titles: | . Identification of Snapper Species (Lutjanus sp.) Using Deep Learning Method |
Authors: | Rahmat, Ayi Iqbal, Muhammad Taufiqurrahman, Muhammad Fauzan |
Issue Date: | 2022 |
Publisher: | IPB University |
Abstract: | Lutjanus malabaricus, Lutjanus griseus, Lutjanus vitta, Lutjanus argentimaculatus, dan Lates calcarifer merupakan ikan laut keluarga Lutjanus yang memainkan peranan penting sebagai salah satu sumber protein bagi manusia maupun dalam ekosistem perairan laut sebagai predator. Identifikasi jenis sangat penting untuk memahami lebih jauh tentang suatu jenis demi upaya konservasi dan pembudidayaan. Seringkali identifikasi yang terjadi di lapangan salah dan tidak sesuai dengan jenisnya. Maka, diperlukan metode yang dapat dipakai secara mudah dan akurat untuk identifikasi, yaitu menggunakan kecerdasan buatan dengan metode Deep Learning menggunakan algoritma YOLO V5. YOLO V5 merupakan algoritma objek deteksi real time terbaru. Bahan yang digunakan dalam penelitian ini adalah gambar 5 jenis kakap yang diperoleh melalui pemotretan di TPI Palabuhanratu dan TPI Muara Baru, menghasilkan 1500 foto. Hasil pendeteksian terhadap 5 jenis ikan kakap yang dikaji menunjukkan hasil yang baik dengan rata-rata nilai accuracy 0,9248, Recall 0,9993, Precision 0,9968 dan F1 Score 0,9980 untuk ketiga epoch yang diuji. Hasil yang didapat menunjukkan pendeteksian yang baik terhadap identifikasi untuk setiap jenis ikan kakap yang dikaji |
URI: | http://repository.ipb.ac.id/handle/123456789/112439 |
Appears in Collections: | UT - Marine Science And Technology |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
Cover.pdf Restricted Access | Cover | 320.74 kB | Adobe PDF | View/Open |
Full text.pdf Restricted Access | Full Text | 998.66 kB | Adobe PDF | View/Open |
Lampiran.pdf Restricted Access | Lampiran | 653.06 kB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.