FARABI, Ardiansyah (2023) Identifikasi Ikan Karang Menggunakan Machine Learning (ML). Skripsi thesis, Universitas Jenderal Soedirman.

	PDF (Cover) COVER-Ardiansyah Farabi-L1C018022-Skripsi-2023.pdf Download (2MB)
	PDF (Legalitas) LEGALITAS-Ardiansyah Farabi-L1C018022-Skripsi-2023.pdf Restricted to Repository staff only Download (4MB)
	PDF (Abstrak) ABSTRAK-Ardiansyah Farabi-L1C018022-Skripsi-2023.pdf Download (2MB)
	PDF (BabI) BAB-I-Ardiansyah Farabi-L1C018022-Skripsi-2023.pdf Restricted to Repository staff only until 17 May 2024. Download (2MB)
	PDF (BabII) BAB-II-Ardiansyah Farabi-L1C018022-Skripsi-2023.pdf Restricted to Repository staff only until 17 May 2024. Download (4MB)
	PDF (BabIII) BAB-III-Ardiansyah Farabi-L1C018022-Skripsi-2023.pdf Restricted to Repository staff only until 17 May 2024. Download (1MB)
	PDF (BabIV) BAB-IV-Ardiansyah Farabi-L1C018022-Skripsi-2023.pdf Restricted to Repository staff only Download (1MB)
	PDF (BabV) BAB-V-Ardiansyah Farabi-L1C018022-Skripsi-2023.pdf Download (279kB)
	PDF (DaftarPustaka) DAFTAR PUSTAKA-Ardiansyah Farabi-L1C018022-Skripsi-2023.pdf Download (981kB)
	PDF (Lampiran) LAMPIRAN-Ardiansyah Farabi-L1C018022-Skripsi-2023.pdf Restricted to Repository staff only Download (1MB)

Abstract

Metode yang umum digunakan dalam pengidentifikasian ikan karang adalah Underwater Visual Census (UVC). Perkembangan zaman membuat metode lain dikembangkan seperti deep learning. Deep Learning merupakan salah satu cabang dari Maching Learning yang didasarkan pada pembelajaran yang dibawa dari modul non-linier ke komputer untuk mengubah representasi data mentah ke tingkat yang lebih tinggi. Penelitian ini bertujuan untuk mengaplikasikan algoritma YOLO dalam mengidentifikasi spesies ikan karang, menghitung jumlah ikan yang terdeteksi, juga tracking terhadap ikan yang terdeteksi. Penelitian ini menggunakan algoritma YOLOv5 dengan melakukan training data terhadap foto dari 3 spesies ikan yaitu Amphiprion percula, Paracanthurus hepatus, dan Zebrasoma flavescens yang diambil dari Google Image untuk selanjutnya dilakukan pendeteksian otomatis serta dianalisis menggunakan confusion matrix model. Hasil dari penelitian ini berupa nilai dari accuracy sebesar 0,878, nilai recall sebesar 0,922, nilai precision sebesar 0,948, dan nilai F1-score sebesar 0,935 yang mengartikan bahwa hasil dari pengidentifikasian ikan dapat dikatakan akurat. Selain itu didapatkan hasil perhitungan dari spesies Amphiprion percula sebanyak 87 ikan, Paracanthurus hepatus sebanyak 45 ikan, dan Zebrasoma flavescens sebanyak 59 ikan. Selain pendeteksian dan perhitungan, tracking juga dilakukan untuk mengamati pola pergerakan ikan.

Actions (login required)

View Item