IDENTIFIKASI GENUS IKAN LAUT HASIL TANGKAPAN MENGGUNAKAN MASK R-CNN

Ikan laut yang ditangkap nelayan akan melalui proses penanganan untuk
didistribusikan ke masyarakat. Penanganan distribusi ikan harus dilakukan secara
cepat agar kualitas ikan yang didistribusikan tetap terjaga. Salah satu tahap
penanganan distribusi ikan laut ini adalah pemilahan ikan sesuai dengan jenis
masing-masing. Pemilahan ikan biasanya dilakukan secara manual. Pemilahan ikan
secara manual bisa dilakukan dengan cara mengidentifikasikan ikan berdasarkan
ciri-ciri khusus, bisa melalui bentuk, pola tubuh ikan, warna ataupun ciri-ciri
lainnya. Manusia mempunyai kemampuan yang handal dalam melakukan
pengenalan tersebut, tetapi sayangnya manusia memiliki keterbatasan seperti
kelelahan daya tahan untuk bekerja dalam waktu yang lama. Untuk menutupi
keterbatasan tersebut penelitian ini dibangun model identifikasi jenis ikan laut hasil
tangkapan dengan memanfaatkan algoritma Mask R-CNN. Penelitian ini
menggunakan 960 dataset training untuk melatih sistem deep learning dan 240
dataset validasi untuk validasi dan evaluasi terhadap model yang dihasilkan dari
dataset training. Pada proses evaluasi model yang dilakukan untuk mendapatkan
akurasi rata-rata/mean average precision(mAP) dengan nilai threshold minimum
confidence @0.50 tingkat akurasi yang didapatkan sebesar 61,59%, confident
@0,75 menghasilkan akurasi sebesar 56,78% dan confident @0,9 menghasilkan
akurasi 51,83%.
Kata Kunci: Ikan, Jenis ikan, Identifikasi, Deep Learning, Mask R-CNN