IDENTIFIKASI KESEGARAN IKAN HASIL TANGKAPAN MENGGUNAKAN MASK R-CNN

Haryzal, Mario and Vatresia, Arie and Boko, Susilo (2021) IDENTIFIKASI KESEGARAN IKAN HASIL TANGKAPAN MENGGUNAKAN MASK R-CNN. Undergraduated thesis, Universitas Bengkulu.

Text Skripsi Mario Haryzal G1A016089.pdf - Bibliography Restricted to Repository staff only Available under License Creative Commons GNU GPL (Software). Download (5MB)

Abstract

Secara umum ikan diperdagangkan dalam keadaan harus terjaga kualitas kesegarannya. Penurunan kualitas ikan dapat dilihat dari perubahan warna kulit ikan, mata, insang, dan tekstur daging ikan. Selama ini proses penyortiran ikan yang dilakukan oleh nelayan atau penjual ikan berdasar kualitasnya masih menggunakan metode manual dan terkadang terjadi kesalahan karena faktor keterbatasan indra penglihatan ketika mengalamai kelelahan. Selama ini proses pemeriksaan ikan hanya dilihat secara fisik, atau diraba, kemudian berdasarkan(naluri) diputuskan segar atau rusaknya ikan tersebut. Tujuan penelitian ini adalah membangun sebuah model identifikasi kesegaran ikan hasil tangkapan dengan memanfaatkan algoritma Mask R-CNN. Mask R-CNN menggunakan Resnet-101 dan Feature Pyramid Network (FPN) sebagai backbone CNN untuk mengekstraksi gambar yang membentuk feature maps, jika feature maps sudah didapatkan maka akan masuk ke tahap yang dinamakan Region Proposal Network (RPN), tahapan ini berguna untuk membuat region proposal dari setiap feature map. Selanjutnya setiap feature maps yang sudah memiliki region proposal akan diberikan mask/topeng dan nama kelas dari objek terdeteksi dengan memanfaatkan Box Head dan Mask Head dari Mask R-CNN. Penelitian ini menggunakan 1080 foto dengan 864 dataset training untuk melatih sistem deep learning dan 216 dataset validasi untuk validasi dan evaluasi terhadap model yang dihasilkan. Penelitian menghasilkan model training yang dievaluasi memiliki akurasi rata-rata/mean Average Precision (mAP) untuk semua kelas dengan nilai confidence @0.90 sebesar 46.16 %. Kata Kunci: Ikan, kesegaran ikan, deep learning, Mask R-CNN.

Actions (login required)

View Item