PRANIZA, Muhammad Arfian (2025) Implementasi Model Computer Vision Berbasis Deep Learning untuk Deteksi dan Penghitungan Benur Udang Vannamei pada Kondisi Padat dan Pencahayaan Variatif. Skripsi thesis, Universitas Jenderal Soedirman.
![[img]](http://repository.unsoed.ac.id/style/images/fileicons/other.png) |
PDF (Cover)
COVER-Muhammad Arfian Praniza-L1B021082-Skripsi-2025.pdf Download (86kB) |
|
PDF (Legalitas)
LEGALITAS-Muhammad Arfian Praniza-L1B021082-Skripsi-2025.pdf Restricted to Repository staff only Download (418kB) |
|
PDF (Abstrak)
ABSTRAK-Muhammad Arfian Praniza-L1B021082-Skripsi-2025.pdf Download (82kB) |
|
PDF (BabI)
BAB-I-Muhammad Arfian Praniza-L1B021082-Skripsi-2025.pdf Restricted to Repository staff only until 21 November 2026. Download (120kB) |
|
PDF (BabII)
BAB-II-Muhammad Arfian Praniza-L1B021082-Skripsi-2025.pdf Restricted to Repository staff only until 21 November 2026. Download (262kB) |
|
PDF (BabIII)
BAB-III-Muhammad Arfian Praniza-L1B021082-Skripsi-2025.pdf Restricted to Repository staff only until 21 November 2026. Download (1MB) |
|
PDF (BabIV)
BAB-IV-Muhammad Arfian Praniza-L1B021082-Skripsi-2025.pdf Restricted to Repository staff only Download (432kB) |
|
PDF (BabV)
BAB-V-Muhammad Arfian Praniza-L1B021082-Skripsi-2025.pdf Download (96kB) |
|
PDF (DaftarPustaka)
DAFTAR PUSTAKA-Muhammad Arfian Praniza-L1B021082-Skripsi-2025.pdf Download (137kB) |
|
PDF (Lampiran)
LAMPIRAN-Muhammad Arfian Praniza-L1B021082-Skripsi-2025.pdf Restricted to Repository staff only Download (646kB) |
Abstract
Budidaya udang di Indonesia menghadapi tantangan dalam proses pembenihan, terutama pada penghitungan benih udang (benur) yang masih dilakukan secara manual. Metode ini memakan waktu, rentan kesalahan, dan dapat menyebabkan stres pada benur. Penelitian ini bertujuan merancang, mengimplementasikan, dan mengevaluasi model deep learning berbasis algoritma YOLOv8 untuk deteksi dan penghitungan benur secara otomatis, terutama pada kondisi padat dan pencahayaan bervariasi. Model YOLOv8 nano dilatih selama 200 epoch dan diintegrasikan ke dalam aplikasi web menggunakan Streamlit. Evaluasi performa menggunakan metrik precision, recall, dan mean Average Precision (mAP). Hasil menunjukkan konvergensi optimal dengan penurunan loss yang konsisten. Model mencapai precision 0.86, recall 0.75, mAP50 sebesar 0.84, dan mAP50-95 sebesar 0.50. Pada pengujian berbagai kondisi, akurasi penghitungan tetap tinggi yaitu 99,6% ± 0,05% untuk 100 ekor dan 93,6% ± 0,07% pada 600 ekor. Model terbukti efektif dan andal dalam otomatisasi penghitungan benur. Aplikasi yang dikembangkan menjadi solusi praktis untuk meningkatkan efisiensi dan akurasi dalam budidaya udang, serta mengurangi risiko stres akibat penanganan manual. Temuan ini menunjukkan potensi besar teknologi computer vision dalam mendukung akuakultur modern di Indonesia.
| Item Type: | Thesis (Skripsi) |
|---|---|
| Nomor Inventaris: | L25237 |
| Uncontrolled Keywords: | Deteksi Objek, Penghitungan Benur, YOLOv8, Pembelajaran Mendalam, Visi Komputer |
| Subjects: | F > F181 Fish culture S > S181 Seeds |
| Divisions: | Fakultas Perikanan dan Ilmu Kelautan > S1 Budidaya Perairan |
| Depositing User: | Mr. Muhammad Arfian Praniza |
| Date Deposited: | 21 Nov 2025 02:51 |
| Last Modified: | 21 Nov 2025 02:51 |
| URI: | http://repository.unsoed.ac.id/id/eprint/38276 |
Actions (login required)
 |
View Item |