Indonesia merupakan negara maritim dan sebagai salah satu negara kepulauan terbesar di dunia. Luasnya wilayah lautan Indonesia ini, dapat meningkatkan potensi dalam kemajuan perekonomian Indonesia khususnya dalam sektor perikanan. Perikanan di Indonesia memiliki banyak jenis ikan yang sama, hal ini menyebabkankesulitandalampengenalanjenisikansecaralangsung. Prosesdalam pengenalan ikan masih dengan cara manual, yaitu dengan mengamati secara langsungdandiasumsikanterlebihdahuluberdasarkanreferensiyangada. Halinimembutuhkan waktu yang lama dan memungkinkan adanya tingkat kesalahan manusia. Maka dari itu, diperlukan adanya sistem yang dapat mengenali ikan dengan otomatis dan dapat lebih mudah dipelajari di masa yang akan datang. Penelitian ini merancang sebuah sistem klasi?kasi jenis ikan menggunakan arsitekturYOLO(YouOnlyLookOnce). YOLOmerupakanpendeteksiobjekdengan menggunakan convolutional network yang hanya akan dilewatkan satu kali saja. Berbeda dengan convolutional network pada umumnya yang melewatkan ribuan network untuk mandapatkan satu citra dengan komputasi yang cukup lama. YOLO pada penelitian tugas akhir ini akan menggunakan arsitektur YOLO9000. Dengan dataset sebanyak 6 class, yaitu banded butter?y?sh, blue tang surgeon?sh, barred hamlet, blackside hawk?sh, Arabian Picasso trigger?sh, dan black margate grunt. Parameter yang ditinjau yaitu akurasi, presisi dan IoU (Intersection of Union), dengan menganalisis kon?gurasi sistem pada optimasi Adam dan Optimasi Sgd dengan memodi?kasi pada threshold nya. Dataset terdiri dari 120 citra data latih dan 100 citra data uji. Hasil akurasi terbaik sebesar 92% dan IoU terbaik sebesar 0.75 pada optimasi Adam dengan threshold 0.1. Sedangkan presisi terbaik yaitu 0.20 pada optimasi Sgd dengan threshold 0.9 pada saat 2.223 FPS.
KataKunci: Klasi?kasi ikan, YOLO (You Only Look Once),Akurasi.