KLASIFIKASI JENIS IKAN CUPANG MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK

Syambudi, 3011710058 (2022) KLASIFIKASI JENIS IKAN CUPANG MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK. Undergraduate thesis, Universitas Internasional Semen Indonesia.

[img] Text (COVER)
0. COVER.pdf

Download (212kB)
[img] Text (HALAMAN JUDUL)
1. HALAMAN JUDUL.pdf

Download (152kB)
[img] Text (HALAMAN PENGESAHAN)
2. HALAMAN PENGESAHAN.pdf
Restricted to Registered users only

Download (53kB) | Request a copy
[img] Text (HALAMAN PERSETUJUAN PUBLIKASI)
3. HALAMAN PERSETUJUAN PUBLIKASI.pdf
Restricted to Repository staff only

Download (356kB) | Request a copy
[img] Text (HALAMAN PERNYATAAN ORISINALITAS)
4. HALAMAN PERNYATAAN ORISINALITAS.pdf
Restricted to Repository staff only

Download (257kB) | Request a copy
[img] Text (ABSTRAK)
5. ABSTRAK.pdf

Download (246kB)
[img] Text (KATA PENGANTAR)
6. KATA PENGANTAR.pdf
Restricted to Repository staff only

Download (241kB) | Request a copy
[img] Text (DAFTAR ISI)
7. DAFTAR ISI.pdf

Download (462kB)
[img] Text (DAFTAR GAMBAR)
8. DAFTAR GAMBAR.pdf
Restricted to Repository staff only

Download (249kB) | Request a copy
[img] Text (DAFTAR TABEL)
9. DAFTAR TABEL.pdf
Restricted to Repository staff only

Download (243kB) | Request a copy
[img] Text (BAB I PENDAHULUAN)
10. BAB I PENDAHULUAN.pdf

Download (420kB)
[img] Text (BAB II TINJAUN PUSTAKA)
11. BAB II TINJAUAN PUSTAKA.pdf
Restricted to Repository staff only

Download (1MB) | Request a copy
[img] Text (BAB III METODE PENELITIHAN)
12. BAB III METODE PENELITIHAN.pdf
Restricted to Repository staff only

Download (969kB) | Request a copy
[img] Text (BAB IV HASIL PENELITIHAN DAN PEMBAHASAN)
13. BAB IV HASIL PENELITIHAN DAN PEMBAHASAN.pdf
Restricted to Repository staff only

Download (1MB) | Request a copy
[img] Text (BAB V KESIMPULAN DAN SARAN)
14. BAB V KESIMPULAN DAN SARAN.pdf
Restricted to Repository staff only

Download (247kB) | Request a copy
[img] Text (DAFTAR PUSTAKA)
15. DAFTAR PUSTAKA.pdf

Download (475kB)
[img] Text (LAMPIRAN)
16. LAMPIRAN.pdf
Restricted to Repository staff only

Download (257kB) | Request a copy
[img] Text (FULL TEXT)
17. SKRIPSI - SYAMBUDI (3011710058).pdf
Restricted to Repository staff only

Download (7MB) | Request a copy
[img] Text (FULL TEXT DOC)
18. SKRIPSI - SYAMBUDI (3011710058).docx
Restricted to Repository staff only

Download (6MB) | Request a copy
[img] Text (JURNAL)
19. JURNAL - SYAMBUDI (3011710058).docx
Restricted to Repository staff only

Download (48kB) | Request a copy

Abstract

Ikan cupang merupakan jenis ikan hias maupun ikan aduan yang populer di Indonesia. Ikan cupang merupakan jenis ikan tawar yang berasal dari genus Betta sp. Ikan cupang memiliki banyak jenis, beberapa jenis yang populer di Indonesia diantaranya: Crowntail, Doubletail, Halfmoon, Plakat, Veiltail/Slayer. Karena banyaknya jenis ikan cupang, membuat orang-orang yang pemula dalam hal ikan cupang akan mengalami kesulitan dalam mengenali jenis dari ikan cupang. Sehingga dibuatlah aplikasi untuk mengklasifikasikan jenis ikan cupang dengan menggunakan metode Convolutional Neural Network (CNN), yang merupakan salah satu algoritma deep learning yang sering digunakan untuk mengklasifikasikan data berupa gambar. Penelitihan ini menggunakan dua model, yang pertama, untuk mendeteksi ikan cupang dan yang kedua, untuk membedakan jenis ikan cupang. Penelitihan menggunakan arsitektur berupa VGG16, VGG 19, InceptionV3, Xception, MobileNet, ResNet50, dan ResNet 101. Dan untuk model pertama ditambah dengan model Autoencoder. Untuk model pertama terpilih arsitektur InceptionV3 dengan nilai accuracy pada data uji sebesar 99%, sedangakan model kedua menggunakan MobilNet dengan accuracy sebesar 89%. Pengujian menggunakan dataset dengan total 300 gambar, mendapat rata-rata accuracy sebesar 96%.

Item Type: Thesis (Undergraduate)
Additional Information: Softfile/KK.22/UISI-01/IF
Uncontrolled Keywords: Ikan Cupang, Deep Learning, CNN
Contributors:
ContributionNameEmail
Thesis advisorMohammad Arif Rasyidi, S.Kom., M.Sc.mohammad.rasyidi@uisi.ac.id
Subjects: T Technology > T Technology (General)
Divisions: Department of Informatics
Depositing User: Syambudi Syambudi
Date Deposited: 23 Aug 2022 10:07
Last Modified: 23 Aug 2022 10:07
URI: https://repository.uisi.ac.id/id/eprint/3831

Actions (login required)

View Item View Item