Klasifikasi jenis penyakit ikan berbasis fitur warna menggunakan CNN dan transfer learning

Liwanto, Aji Nugroho (2023) Klasifikasi jenis penyakit ikan berbasis fitur warna menggunakan CNN dan transfer learning. S1 thesis, Universitas Ahmad Dahlan.

	Text (JUDUL) T1_1800018237_JUDUL__230309011850.pdf Download (945kB)
	Text (BAB I) T1_1800018237_BAB_I__230309011850.pdf Download (623kB)
	Text (BAB II) T1_1800018237_BAB_II__230309011850.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text (BAB III) T1_1800018237_BAB_III__230309011850.pdf Restricted to Registered users only Download (843kB) | Request a copy
	Text (BAB IV) T1_1800018237_BAB_IV__230309011850.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text (BAB V) T1_1800018237_BAB_V__230309011850.pdf Restricted to Registered users only Download (607kB) | Request a copy
	Text (Daftar Pustaka) T1_1800018237_DAFTAR_PUSTAKA__230309011850.pdf Download (616kB)
	Text (Lampiran) T1_1800018237_LAMPIRAN__230309011850.pdf Restricted to Registered users only Download (513kB) | Request a copy
	Text (Naskah Publikasi) T1_1800018237_NASKAH_PUBLIKASI__230309011850.pdf Download (847kB)

Abstract

Penyakit ikan merupakan salah satu ancaman yang dapat menghambat produksinya ikan. Penting bagi pembudi daya dan pemelihara ikan hias untuk dapat mengenali jenis penyakit yang dapat menyerang ikan. Realitanya banyak yang belum paham tentang pengetahuan penyakit tersebut khususnya bagi pembudi daya pemula. Penanganan ikan yang terkena penyakit menggunakan sistem pengenalan otomatis sangat diharapakan untuk dapat mencegah terjadinya kerugian pascapanen yang signifikan. Keberhasilan deep learning sebagai pengenalan yang berdasarkan citra digital menjadi keunggalannya, implementasi deep learning juga akan memliki efek penting dalam mengenali penyakit pada ikan.

Convolutional Neural Networks(CNN) adalah salah satu jenis neural networks yang ada pada deep learning yang biasanya digunakan untuk mengolah data dalam bentuk citra. Proses penelitian yang dilalui yaitu: pengumpulan citra, pengolahan citra, perancangan sistem, pengujian dan hasil akurasi. Dataset citra yang digunakan berjumlah 1950 terdiri dari 1610 data training, 190 data validation yang digunakan untuk pelatihan model dan 150 data testing untuk data yang akan diuji pada model. Masing-masing data tersebut terdiri dari 3 kelas yaitu: normal, redpsot dan whitespot. Selanjutnya diimplementasikan ke dalam algoritma CNN guna memperoleh hasil klasifikasi.

Hasil penelitian adalah sistem klasifikasi jenis penyakit pada ikan dengan memakai dua model yaitu CNN dan VGG-16 dengan transfer learning. Proses pengujian dilakukan dengan menggunakan dataset testing yang berjumlah 150 data citra untuk mendapatkan nilai akurasi terbaik dari kedua model tersebut. Berdasarkan hasil pengujian sistem yang dilakukan, model CNN menghasilkan akurasi 77%, sedangkan model VGG-16 dengan transfer learning yang
berhasil mengklasifikasikan penyakit pada ikan dengan nilai akurasi 80%. Sehingga implementasi model VGG-16 dengan transfer learning relatif baik dalam mengklasifikasikan jenis penyakit di antara ikan yang terinfeksi. Terlepas dari itu, studi dengan jumlah kumpulan dataset yang lebih baik dapat dilakukan di masa depan untuk meningkatkan kinerja identifikasi.

Item Type:	Thesis (S1)
Keyword:	Convolutional neural network, dropout, penyakit ikan, redspot, transfer learning, VGG-16, whitespot
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:	28 Sep 2024 06:02
Last Modified:	28 Sep 2024 06:02
URI:	http://eprints.uad.ac.id/id/eprint/75417

Actions (login required)

View Item