PENGEMBANGAN SISTEM DETEKSI KESEGARAN IKAN CAKALANG MENGGUNAKAN COMPUTER VISION DAN DEEP LEARNING - Dalam bentuk buku karya ilmiah
ANNENTA GISTYA SUDIARTAMA

Informasi Umum

Kode

25.04.5777

Klasifikasi

000 - General Works

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Deep Learning

Dilihat

73 kali

Informasi Lainnya

Abstraksi

Kualitas ikan menjadi salah satu faktor penting dalam industri perikanan, terutama<br /> dalam menjaga mutu produk hasil tangkapan. Salah satu indikator utama dari kualitas ikan<br /> adalah tingkat kesegarannya. Saat ini, proses identifikasi kesegaran ikan umumnya masih<br /> dilakukan secara manual, bergantung pada pengamatan visual oleh tenaga manusia, yang<br /> cenderung bersifat subjektif, memerlukan waktu lebih lama, dan berpotensi menimbulkan<br /> inkonsistensi dalam penilaian. Oleh karena itu, diperlukan sebuah sistem yang mampu<br /> membantu proses identifikasi kualitas ikan secara lebih akurat, cepat, dan objektif. Masalah<br /> utama dalam penelitian ini adalah bagaimana membangun sistem deteksi kesegaran ikan<br /> cakalang secara otomatis menggunakan pendekatan teknologi yang tepat.<br /> Sebagai solusi terhadap permasalahan tersebut, penelitian ini mengembangkan sebuah<br /> sistem berbasis deep learning dan computer vision menggunakan algoritma YOLOv11 yang<br /> diintegrasikan ke dalam aplikasi mobile berbasis Android bernama FishQ. Aplikasi ini<br /> terhubung dengan layanan cloud untuk memungkinkan proses klasifikasi citra ikan secara realtime.<br /> Dataset yang digunakan dibagi menjadi dua kategori, yaitu ikan beku dan tidak beku, dan<br /> dikumpulkan dari dokumentasi lapangan, perusahaan perikanan, serta sumber daring. Proses<br /> pelatihan model dilakukan secara terpisah untuk masing-masing kategori, dan aplikasi<br /> dikembangkan menggunakan framework Flutter yang dirancang dengan antarmuka sederhana<br /> dan mudah digunakan oleh pengguna lapangan.<br /> Hasil pengujian menunjukkan bahwa model YOLOv11 yang telah dilatih menghasilkan<br /> nilai [email protected] sebesar 0.956 untuk ikan beku dan 0.959 untuk ikan tidak beku, serta nilai<br /> [email protected]:0.95 masing-masing sebesar 0.933 dan 0.924. Pengujian aplikasi menggunakan<br /> metode black-box dan System Usability Scale (SUS) menunjukkan bahwa sistem memiliki<br /> waktu inferensi kurang dari 1 detik dan memperoleh skor SUS 81,4 yang termasuk dalam<br /> kategori "Layak Digunakan". Berdasarkan hasil tersebut, dapat disimpulkan bahwa sistem<br /> deteksi kesegaran ikan cakalang yang dikembangkan dalam penelitian ini berhasil memenuhi<br /> kriteria akurasi, kecepatan, dan kemudahan penggunaan, sehingga berpotensi untuk<br /> diimplementasikan pada proses quality control di industri perikanan secara efektif.

• TTI4I3 - AI DAN BIG DATA ANALYSIS
• AAK4GBB3 - Cloud Computing
• TTI4L3 - MOBILE APPLICATION
• TTI2F2 - PEMROGRAMAN PYTHON

Koleksi & Sirkulasi

Tersedia 1 dari total 1 Koleksi

Pengarang

Penerbit

Sirkulasi

Download / Flippingbook