Klasifikasi jenis ikan koi menggunakan Convolutional Neural Network

Aji, Arif Setia (2023) Klasifikasi jenis ikan koi menggunakan Convolutional Neural Network. S1 thesis, Universitas Ahmad Dahlan.

	Text (JUDUL) T1_1900018412_JUDUL__230828012307.pdf Download (1MB)
	Text (BAB I) T1_1900018412_BAB_I__230828104624.pdf Download (205kB)
	Text (BAB II) T1_1900018412_BAB_II__230828104624.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text (BAB III) T1_1900018412_BAB_III__230828104624.pdf Restricted to Registered users only Download (301kB) | Request a copy
	Text (BAB IV) T1_1900018412_BAB_IV__230828104624.pdf Restricted to Registered users only Download (779kB) | Request a copy
	Text (BAB V) T1_1900018412_BAB_V__230828104624.pdf Restricted to Registered users only Download (137kB) | Request a copy
	Text (Daftar Pustaka) T1_1900018412_DAFTAR_PUSTAKA__230828104624.pdf Download (197kB)
	Text (Lampiran) T1_1900018412_LAMPIRAN__230828104624.pdf Restricted to Registered users only Download (179kB) | Request a copy
	Text (Naskah Publikasi) T1_1900018412_NASKAH_PUBLIKASI__230828104624.pdf Download (774kB)

Abstract

Ikan koi (Cyprinus rubrofuscus) adalah ikan hias yang populer dan banyak penggemar karena coraknya yang beragam serta warnanya yang indah. Terdapat berbagai macam jenis ikan koi yang bervariasi berdasarkan corak dan warna, bahkan beberapa diantaranya sangat mirip sehingga membedakaNnya menjadi tugas yang rumit. Bagi pemula yang belum familiar dengan berbagai jenis dan karakteristik ikan koi maka akan sulit untuk mengidentifikasi perbedaan antara jenis–jenis ikan koi tersebut. Metode klasifikasi pengolahan citra dapat dimanfaatkan untuk membuat sistem klasifikasi jenis ikan koi secara otomatis. Metode yang dapat digunakan antara lain Convolutional Neural Network dan Transfer Learning. Pada penelitian ini dilakukan perbandingan klasifikasi dari metode tersebut dengan menilai dari sistem dan hasil akurasi yang dihasilkan.
Dalam penelitian ini, data dikumpulkan dengan cara mengambil citra dari berbagai varian ikan koi yang digunakan sebagai dataset dengan 10 kelas, yaitu Assagi, Bekko, Goromo, Kohaku, Sanke, Showa, Shusui, Tancho, Utsuri, dan Yamato Nishiki. Convolutional Neural Network dan Transfer Learning diimplementasikan kedalam sistem untuk dapat menghasilkan sistem klasifikasi. Transfer Learning diimplementasikan menggunakan pre-trained model yang berarsitektur VGG16 dan MobileNet V2. Proses klasifikasi berjumlah 10 jenis kelas dengan total 1000 citra dataset. Citra yang digunakan pada masing–masing kelas berjumlah 100 data citra, 640 untuk Training, 160 untuk Validasi, dan 200 untuk Testing. Pengujian dilakukan menggunakan confusion matrix untuk melihat performa model dari nilai precision, recall, f1-score, dan akurasi.Hasil pengujian sistem yang telah dibuat menunjukkan bahwa arsitektur MobileNet V2 mencapai akurasi lebih tinggi yaitu mencapai 92%. Model VGG16 berhasil mencapai akurasi 82%, sedangkan model CNN mencapai akurasi 49%. Pada pengujian performa menggunakan metode confusion matrix mendapatkan hasil precision, recall dan f1-score berturut–turut sebesar 92%, 92%, dan 92%. MobileNet V2 memiliki keunggulan yang lebih baik daripada arsitektur lainnya sehingga cocok digunakan untuk proses klasifikasi jenis ikan koi.

Item Type:	Thesis (S1)
Keyword:	Convolutional neural network, ikan koi, mobileNet V2, VGG16
Subjects:	T Technology > T Technology (General) T Technology > TA Engineering (General). Civil engineering (General)
Divisi / Prodi:	Faculty of Industrial Technology (Fakultas Teknologi Industri) > S1-Informatics Engineering (S1-Teknik Informatika)
Depositing User:	userperpus2 userperpus2
Date Deposited:	15 Jul 2024 01:53
Last Modified:	15 Jul 2024 01:53
URI:	http://eprints.uad.ac.id/id/eprint/65133

Actions (login required)

View Item