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). ['eprint_fieldopt_thesis_type_ut' not defined] thesis, Universitas Bengkulu.
![final skripsi vevidwisari - Vevi Dwi sari.pdf [thumbnail of final skripsi vevidwisari - Vevi Dwi sari.pdf]](https://repository.unib.ac.id/style/images/fileicons/text.png)
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 (['eprint_fieldopt_thesis_type_ut' not defined]) |
---|---|
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: | https://repository.unib.ac.id/id/eprint/17329 |