<![CDATA[Kepiting Soka memiliki nilai ekonomi tinggi karena seluruh bagian tubuhnya dapat dimakan selama fase molting, saat cangkangnya lunak. Proses ini berlangsung singkat, hanya sekitar 5 jam sebelum cangkang mengeras kembali. Deteksi molting secara otomatis sangat diperlukan untuk mengoptimalkan waktu panen dan mencegah kehilangan produksi. Teknologi deep learning menggunakan arsitektur MobileNetV2 telah menunjukkan efisiensi dalam klasifikasi gambar. Penelitian ini bertujuan untuk mengklasifikasi kepiting soka dalam kondisi molting menggunakan arsitektur MobileNetV2, berbeda dengan metode pembelajaran mesin sebelumnya. MobileNetV2 dipilih karena kemampuannya dalam klasifikasi citra dengan sumber daya komputasi terbatas. Dataset berisi 260 citra kepiting, dengan fokus pada kepiting soka molting dan tidak molting, diproses melalui augmentasi, resize, dan pembagian data (80% data training, 10% validasi, dan 10% testing). Model ini menghasilkan akurasi tinggi pada pelatihan dan validasi sebesar 100%, membuktikan kemampuannya untuk mendeteksi kepiting molting secara efisien dan model tidak mengalami overfitting. Arsitektur MobileNetV2 berpotensi untuk diaplikasikan dalam sistem klasifikasi kepiting soka berbasis perangkat seluler.]]>
Copyrights © 2024
