Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Ilmu dan Teknologi Kelautan Tropis
Nabila Tufailah
Program Studi Sistem Informasi Kelautan, Kampus Daerah Serang, Universitas Pendidikan Indonesia, Kota Serang, 42116, Indonesia
Biochemistry, Genetics & Molecular Biology Decision Sciences, Operations Research & Management Library & Information Science

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
KLASIFIKASI TIGA GENUS IKAN KARANG MENGGUNAKAN CONVOLUTION NEURAL NETWORK Ishak Ariawan; Willdan Aprizal Arifin; Ayang Armelita Rosalia; Lukman; Nabila Tufailah
Jurnal Ilmu dan Teknologi Kelautan Tropis Vol. 14 No. 2 (2022): Jurnal Ilmu dan Teknologi Kelautan Tropis
Publisher : Department of Marine Science and Technology, Faculty of Fisheries and Marine Science, IPB University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29244/jitkt.v14i2.33633

Abstract

Ikan karang adalah salah satu organisme penting dalam kajian ekosistem terumbu karang, perlu dilakukan proses identifikasi untuk memahami pola, struktur dan distribusi keanekaragaman ikan karang. Selain itu, ikan karang memiliki jumlah yang sangat banyak dan hampir mirip satu sama lain. Oleh karena itu, untuk mempercepat proses identifikasi ikan dapat dilakukan secara komputerisasi. Salah satu teknik komputerisasi yang dapat dilakukan adalah pengolahan citra digital. Penelitian ini bertujuan untuk mengklasifikasikan citra genus Ikan (Epinephelus spp., Halichoeres spp., dan Lutjanus spp.) ekonomis penting. Data citra diperoleh dari situs https://www.kaggle.com/. Metode klasifikasi citra yang digunakan adalah Convolutional Neural Network (CNN) yang terdiri dari dua tahapan. Tahapan yang pertama adalah melakukan pelatihan dengan metode backpropagation, dan tahapan yang kedua adalah melakukan klasifikasi citra menggunakan feedforward. Hasil dari kombinasi dua metode tersebut diperoleh accuracy sebesar 85,31%. Selain itu, model yang dibangun cukup bagus karena selisih nilai rataan antara precision dan sensitivity tidak terlalu besar, precision sebesar 89,92% dan sensitivity sebesar 86,49%. Hasil analisis dan evaluasi yang telah dilakukan, dapat disimpulkan bahwa metode klasifikasi CNN dapat digunakan dengan baik dalam mengelompokkan citra Ikan berdasarkan genus.
Co-Authors Armelita, Ayang Ishak Ariawan Lukman Willdan Aprizal Arifin