<![CDATA[Klasifikasi jenis ikan berdasarkan habitat air tawar dan air laut merupakan tantangan dalam bidang perikanan, terutama jika dilakukan secara manual yang memerlukan waktu dan keahlian khusus. Penelitian ini bertujuan membangun sistem klasifikasi otomatis berbasis citra digital dengan menerapkan algoritma Convolutional Neural Network (CNN) untuk membedakan ikan air tawar dan ikan air laut. Dataset terdiri dari 3.600 gambar yang terbagi secara seimbang untuk pelatihan, validasi, dan pengujian. Model dikembangkan menggunakan arsitektur MobileNetV2 melalui pendekatan transfer learning. Proses pelatihan dilakukan selama 10 epoch dengan preprocessing dan augmentasi untuk meningkatkan generalisasi model. Hasil pengujian menunjukkan bahwa model mencapai akurasi sebesar 94% pada data uji, dengan nilai precision dan recall masing-masing sebesar 96% dan 92% untuk ikan air tawar, serta 93% dan 96% untuk ikan air laut. Evaluasi melalui confusion matrix menunjukkan distribusi klasifikasi yang seimbang tanpa overfitting. Penelitian ini membuktikan bahwa CNN mampu mengklasifikasikan jenis ikan dengan tingkat akurasi tinggi, serta dapat diimplementasikan dalam sistem identifikasi ikan secara otomatis dan efisien. Kata kunci: Klasifikasi citra, Algoritma CNN, ikan air tawar, ikan air laut, MobileNetV2, transfer learning.]]>
Copyrights © 2025
