<![CDATA[Ikan mas koki (Carassius auratus) merupakan komoditas ikan hias unggulan Indonesia dengan nilai ekonomi tinggi, namun identifikasi varietasnya secara manual bersifat subjektif dan tidak efisien. Penelitian ini bertujuan mengembangkan sistem klasifikasi otomatis berbasis Deep Learning untuk mengidentifikasi tiga varietas ikan koki utama: Oranda, Ranchu, dan Ryukin berdasarkan ciri morfologi. Metode yang digunakan adalah Convolutional Neural Network (CNN) dengan arsitektur transfer learning pada model MobileNetV2 yang telah dilatih sebelumnya pada dataset ImageNet. Dataset terdiri dari 240 gambar yang dibagi menjadi data latih (192 gambar) dan data uji (48 gambar). Teknik augmentasi data diterapkan untuk meningkatkan variasi dan mencegah overfitting. Hasil pelatihan model menunjukkan akurasi sebesar 95,35% pada data latih dan 93,75% pada data uji. Evaluasi per kelas menunjukkan akurasi tertinggi untuk Oranda (99,36%), diikuti Ranchu (91,00%), dan Ryukin (68,58%). Performa yang lebih rendah pada Ryukin disebabkan oleh kemiripan morfologinya dengan varietas lain. Hasil penelitian membuktikan bahwa CNN sangat potensial digunakan untuk automasi klasifikasi ikan koki, mendukung program breeding dan standardisasi kualitas dalam industri akuakultur.]]>
Copyrights © 2025
