KLASIFIKASI JENIS IKAN AIR LAUT MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN)

Putri Irma Wulandari, 3011810044 (2022) KLASIFIKASI JENIS IKAN AIR LAUT MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN). Undergraduate thesis, Universitas Internasional Semen Indonesia.

	Text (COVER) 0. COVER.pdf Download (258kB)
	Text (HALAMAN JUDUL) 1. HALAMAN JUDUL.pdf Download (258kB)
	Text (HALAMAN PENGESAHAN) 2. HALAMAN PENGESAHAN.pdf Restricted to Registered users only Download (86kB) | Request a copy
	Text (HALAMAN PERSETUJUAN PUBLIKASI) 3. HALAMAN PERSETUJUAN PUBLIKASI.pdf Restricted to Repository staff only Download (254kB) | Request a copy
	Text (HALAMAN ORISINALITAS) 4. HALAMAN PERNYATAAN ORISINALITAS.pdf Restricted to Repository staff only Download (252kB) | Request a copy
	Text (ABSTRAK) 5. ABSTRAK.pdf Download (456kB)
	Text (KATA PENGANTAR) 6. KATA PENGANTAR.pdf Restricted to Repository staff only Download (348kB) | Request a copy
	Text (DAFTAR ISI) 7. DAFTAR ISI.pdf Download (279kB)
	Text (DAFTAR GAMBAR) 8. DAFTAR GAMBAR.pdf Restricted to Repository staff only Download (239kB) | Request a copy
	Text (DAFTAR TABEL) 9. DAFTAR TABEL.pdf Restricted to Repository staff only Download (328kB) | Request a copy
	Text (DAFTAR KODE) 10. DAFTAR KODE.pdf Restricted to Repository staff only Download (231kB) | Request a copy
	Text (BAB 1 PENDAHULUAN) 11. BAB 1 PENDAHULUAN.pdf Download (362kB)
	Text (BAB 2 TINJAUAN PUSTAKA) 12. BAB 2 TINJAUAN PUSTAKA.pdf Restricted to Repository staff only Download (738kB) | Request a copy
	Text (BAB 3 METODOLOGI PENELITIAN) 13. BAB 3 METODOLOGI PENELITIAN.pdf Restricted to Repository staff only Download (692kB) | Request a copy
	Text (BAB 4 HASIL DAN PEMBAHASAN) 14. BAB 4 HASIL DAN PEMBAHASAN.pdf Restricted to Repository staff only Download (800kB) | Request a copy
	Text (BAB 5 KESIMPULAN DAN SARAN) 15. BAB 5 KESIMPULAN DAN SARAN.pdf Restricted to Repository staff only Download (232kB) | Request a copy
	Text (DAFTAR PUSTAKA) 16. DAFTAR PUSTAKA.pdf Download (353kB)
	Text (LAMPIRAN) 17. LAMPIRAN.pdf Restricted to Repository staff only Download (1MB) | Request a copy
	Text (FULLTEXT) SKRIPSI - PUTRI IRMA WULANDARI (3011810044).pdf Restricted to Repository staff only Download (3MB) | Request a copy
	Text (FULLTEXT DOC) SKRIPSI - PUTRI IRMA WULANDARI (3011810044).docx Restricted to Repository staff only Download (11MB) | Request a copy
	Text (JURNAL - PUTRI IRMA WULANDARI (3011810044)) JURNAL - PUTRI IRMA WULANDARI (3011810044).docx Restricted to Repository staff only Download (607kB) | Request a copy

Abstract

Keanekaragaman jenis ikan menggambarkan evolusi spesies terhadap lingkungan. Banyaknya jenis ikan menyebabkan sulitnya untuk mengenali karena memiliki kemiripan satu dengan lainnya. Untuk mengenali jenis ikan dibutuhkan penelitian taksonomi yang dilakukan ahlinya agar dapat membedakan jenis ikan satu dan lainnya. Pembelajaran mengenai pengenalan jenis ikan air laut kepada siswa sekolah dasar (SD) masih menggunakan buku ajar. Dengan kemajuan teknologi saat ini, dunia pendidikan telah memanfaatkan pembelajaran menggunakan digital, salah satunya smartphone. Smartphone merupakan hal yang wajib dimiliki oleh masyarakat. Pembelajaran dengan menggunakan smartphone mengajarkan siswa dan guru memanfaatkan teknologi untuk pembelajaran lebih baik. Pembelajaran mengenai pengenalan jenis ikan menggunakan smartphone lebih mudah dan inovatif. Teknik komputer vision dilakukan untuk mengklasifikasikan jenis ikan. Penelitian ini dilakukan untuk klasifiksi jenis ikan ari laut menggunakan metode CNN, data yang digunakan berjumlah 7 jenis ikan yaitu, Ikan Bandeng, Ikan Cakalang, Ikan Dorang, Ikan Kakap merah, Ikan Kembung, Ikan Tenggiri, Ikan Tongkol yang dibagi menjadi 120 data training, 20 data validasi dan 10 data testing. Penelitian ini menggunakan arsitektur VGG16 dalam pengujian karena arsitektur ini menghasilkan klasifikasi dengan baik. Pelatihan model menggunakan Google Collab dan library Keras , Tensorflow. Penulis melakukan klasifikasi jenis ikan air laut menggunakan aplikasi mobile sebagai bahan edukasi kepada siswa sekolah dasar (SD). Pengujian pada penelitian ini menghasilkan nilai accuracy 87%, loss 0.386, precision 0.935, recall 0.805, dan f1-score 0.864

Item Type:	Thesis (Undergraduate)
Additional Information:	Softfile/KK.22/UISI-01/IF
Uncontrolled Keywords:	Convolutional Neural Network, ikan air laut, klasifikasi
Contributors:	Contribution Name Email Thesis advisor Taufiqotul Bariyah, S.Kom., M.IM taufiqotul.bariyah@uisi.ac.id
Subjects:	T Technology > T Technology (General)
Divisions:	Department of Informatics
Depositing User:	Putri Irma Wulandari
Date Deposited:	18 Aug 2022 18:47
Last Modified:	18 Aug 2022 18:47
URI:	https://repository.uisi.ac.id/id/eprint/3668

Actions (login required)

View Item