Text
Klasifikasi Ikan Air Payau Menggunakan Model Transfer Learning Inception-V3 Convolutional Neural Networ
Indonesia dikenal sebagai negara maritim yang memiliki sumber daya ikan
berlimpah tetapi masih banyak masyarakat yang mengalami kesulitan dalam
membedakan berbagai jenis ikan dikarenakan bentuk dan polanya yang serupa.
Pengidentifikasian jenis-jenis ikan diperlukan untuk membantu masyarakat dalam
mengenali berbagai jenis ikan dengan lebih mudah dan akurat sehingga dapat
membantu masyarakat dalam membudidayakan ikan, pengembangan usaha, dan
keamanan pangan. Pengidentifikasian jenis-jenis ikan ini dapat dilakukan dengan
memanfaatkan teknologi terkini yaitu dengan pengklasifikasian citra yang dapat
membedakan jenis ikan yang satu dengan yang lainnya secara otomatis. Klasifikasi
ini dibuat dengan mengolah citra menggunakan komputer dengan menggunakan
model transfer learning Inception-V3 Convolutional Neural Network. Model ini
telah dirancang untuk dapat menganalisis pola visual data yang kompleks dan
memiliki waktu komputasi yang rendah. Objek citra yang digunakan pada
penelitian ini ada 4 kategori yaitu ikan bandeng, ikan belanak, ikan kakap putih,
dan ikan mujair. Data tersebut dibagi menjadi 2 yaitu data training dan data testing,
dengan perbandingan 80% : 20%. Epochs pada penelitian ini menggunakan fungsi
early stopping. Learning rate yang digunakan pada penelitian ini sebesar 0,00001
dan batch size yang digunakan adalah 10. Model terbaik memperoleh nilai akurasi
data training sebesar 0,9875 atau 98,75% sedangkan nilai akurasi data testing
sebesar 0,6875 atau 68,75%. Nilai akurasi data testing 68,75% artinya model
Inception-V3 CNN dapat mengenali data ikan air payau secara visual dengan tepat
sebesar 68,75%.
Kata Kunci: Klasifikasi, Inception-V3, Convolutional Neural Network, Ikan Air
Payau
1088E2023 | 1088 E 2023 | Perpustakaan FSM Undip | Tersedia |
Tidak tersedia versi lain