<![CDATA[Ikan koi (Cyprinus carpio) merupakan komoditas ikan hias bernilai ekonomis tinggi yang variasi corak dan warnanya, terutama pada varietas Kohaku, Sanke, dan Showa, menjadi daya tarik utama sekaligus tantangan tersendiri dalam proses identifikasi. Metode identifikasi manual yang selama ini digunakan pembudidaya masih rentan terhadap subjektivitas penilaian, khususnya pada varietas dengan kemiripan morfologi visual seperti Sanke dan Showa. Penelitian ini mengembangkan model deteksi dan klasifikasi ketiga varietas koi tersebut menggunakan arsitektur YOLOv8n yang diimplementasikan ke dalam sistem berbasis website. Dataset penelitian terdiri atas 313 citra sekunder dan 35 citra primer, yang setelah melalui anotasi dan augmentasi meningkat menjadi 589 citra dengan pembagian 414 data latih, 116 data validasi, dan 59 data uji. Model dilatih menggunakan tiga skenario konfigurasi hyperparameter berbeda, dengan konfigurasi epoch 100, batch 16, dan patience 20 menghasilkan performa terbaik berupa precision 94,88%, recall 87,87%, mAP@0,5 sebesar 93,89%, dan mAP@0,5:0,95 sebesar 90,85%. Analisis confusion matrix menunjukkan kesalahan klasifikasi paling banyak terjadi antara kelas Sanke dan Showa, sejalan dengan kemiripan visual keduanya, sementara kelas Kohaku menunjukkan performa paling stabil. Pengujian model pada data uji menghasilkan akurasi sebesar 98,30%, mengonfirmasi kemampuan generalisasi model terhadap data baru. Model yang telah divalidasi selanjutnya diintegrasikan ke dalam sistem berbasis website, dan pengujian fungsionalitas menggunakan metode black box testing membuktikan bahwa seluruh fitur sistem berjalan sesuai harapan tanpa kegagalan fungsi.]]>
