IDENTIFIKASI GENUS IKAN LAUT HASIL TANGKAPAN MENGGUNAKAN MASK R-CNN

PROPETO, A. REYNALDO and Vatresia, Arie and Faurina, Ruvita (2021) IDENTIFIKASI GENUS IKAN LAUT HASIL TANGKAPAN MENGGUNAKAN MASK R-CNN. Other thesis, Universitas Bengkulu.

[thumbnail of Thesis] Archive (Thesis)
Skripsi A.Reynaldo Propeto(G1A016085).pdf - Bibliography
Restricted to Repository staff only
Available under License Creative Commons GNU GPL (Software).

Download (3MB)

Abstract

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

Item Type: Thesis (Other)
Subjects: T Technology > T Technology (General)
Divisions: Faculty of Engineering > Department of Informatics Engineering
Depositing User: 58 lili haryanti
Date Deposited: 07 Oct 2025 08:21
Last Modified: 07 Oct 2025 08:21
URI: https://repository.unib.ac.id/id/eprint/27971

Actions (login required)

View Item
View Item

slot gacor terbaik

slot gacor terpercaya

Situs Resmi Bisawd

slot gacor 4d

Slot Terpercaya

Slot Gacor bet 200