SISTEM DETEKSI SPESIES IKAN LAUT MENGGUNAKAN METODE DEEP LEARNING YOU ONLY LOOK ONCE (YOLO V5)

SARI, VEVI DWI and Agustian, Indra and Hadi, Faisal (2023) SISTEM DETEKSI SPESIES IKAN LAUT MENGGUNAKAN METODE DEEP LEARNING YOU ONLY LOOK ONCE (YOLO V5). Undergraduated thesis, Universitas Bengkulu.

Text final skripsi vevidwisari - Vevi Dwi sari.pdf - Bibliography Restricted to Repository staff only Available under License Creative Commons GNU GPL (Software). Download (1MB)

Abstract

Indonesia merupakan negara yang kaya akan sumber daya alam baik hayati maupun non-hayati. Sumber daya alam hayati yang sangat banyak jumlahnya di Indonesia adalah laut. Luasnya wilayah lautan ini, dapat meningkatkan potensi dalam kemajuan perekonomian, khususnya dalam sektor perikanan. Ikan merupakan sumber daya alam laut yang banyak dimanfaatkan oleh masyarakat Indonesia, dan memiliki jumlah terbesar diperkirakan terdapat 40.000 spesies, sementara yang tercatat hingga saat ini sekitar 25.000. umumnya memilah ikan masih dilakukan secara manual, sehingga membutuhkan waktu yang lama dan memungkinkan adanya tingkat kesalahan manusia. Seiring perkembangan ilmu pengetahuan dan teknologi dalam pengolahan citra digital memungkinkan untuk melakukan pemilahan ikan secara otomatis. Deep learning merupakan subbidang dari machine learning yang merupakan perkembangan dari Jaringan Syaraf Tiruan (JST) yang mengajarkan komputer untuk melakukan deteksi objek. Penelitian ini merancang sistem identifikasi spesies ikan menggunakan salah satu metode deep learning yaitu You Only Look Once versi 5 (YOLOv5). Dataset yang digunakan adalah jenis ikan pelagis yang memiliki potensi cukup besar di Kota Bengkulu, dengan 9 class yaitu class ikan Tongkol (Auxis thazard), Tenggiri (Scomberomorus commerson), kembung (Rastreligger sp.), dll. Penelitian ini berhasil mengidentifikasi kesembilan spesies ikan laut, menggunakan hyperparameter evolve pada dataset yang telah di augmentasi yang berjumlah 5.142 citra, dengan 80% data pelatihan 10% data validasi dan 10% data tes. Hasil penelitian menunjukkan bahwa model YOLOv5n yang dihasilkan memperoleh nilai Mean Average Precision sebesar 98,38% untuk identifikasi 9 spesies ikan laut dengan hasil kecepatan GPU 21 ms/img pada NVIDIA T4. Kata Kunci : Pengenalan ikan, deep learning, YOLOv5

Item Type:	Thesis (Undergraduated)
Subjects:	T Technology > T Technology (General)
Divisions:	Faculty of Engineering > Department of Electrical Engineering
Depositing User:	58 lili haryanti
Date Deposited:	21 Nov 2023 06:45
Last Modified:	21 Nov 2023 06:45
URI:	http://repository.unib.ac.id/id/eprint/17329

Actions (login required)

View Item