PENERAPAN DEEP LEARNING UNTUK KLASIFIKASI DAN DETEKSI IKAN DI SISTEM AKUAPONIK

Juliantika, Gita Ayu (2025) PENERAPAN DEEP LEARNING UNTUK KLASIFIKASI DAN DETEKSI IKAN DI SISTEM AKUAPONIK. Diploma thesis, Politkenik Negeri Sriwijaya.

Preview	Text (Cover) Cover.pdf - Published Version Download (611kB) | Preview
Preview	Text (Abstrak) Abstrak.pdf - Published Version Download (234kB) | Preview
	Text (BAB I) BAB I.pdf - Published Version Restricted to Repository staff only Download (271kB) | Request a copy
	Text (BAB II) BAB II.pdf - Published Version Restricted to Repository staff only Download (822kB) | Request a copy
	Text (BAB III) BAB III.pdf - Published Version Restricted to Repository staff only Download (315kB) | Request a copy
	Text (BAB IV) BAB IV.pdf - Published Version Restricted to Repository staff only Download (1MB) | Request a copy
	Text (BAB V) BAB V.pdf - Published Version Restricted to Repository staff only Download (198kB) | Request a copy
	Text (Daftar Pustaka) Daftar Pustaka.pdf - Published Version Restricted to Repository staff only Download (231kB) | Request a copy
	Text (Lampiran) Lampiran.pdf - Published Version Restricted to Repository staff only Download (3MB) | Request a copy

Abstract

Hasil implementasi model Transformer dalam klasifikasi dan deteksi lima jenis ikan mas koki, komet, manfish, sepat biru, dan sepat kuning pada dua lingkungan berbeda: akuarium (terkontrol) dan kolam di sistem akuaponik (nyata). Dataset dikumpulkan menggunakan kamera smartphone dan CCTV, kemudian dilabeli dengan Roboflow dan digunakan untuk melatih model di Google Colab. Pada lingkungan akuarium, model mencapai precision sebesar 82%, recall 81%, F1-score 81%, dan mAP 61%. Sedangkan pada lingkungan sistem akuaponik, model menunjukkan performa lebih baik dengan precision 81%, recall 83%, F1- score 82%, dan mAP 73%. Grafik training loss dan validation loss menunjukkan penurunan stabil selama pelatihan, mengindikasikan proses pembelajaran berjalan efektif tanpa overfitting. Hasil ini menunjukkan bahwa model Transformer dapat mengenali ikan secara akurat meskipun dalam kondisi visual yang kompleks, serta memiliki potensi besar untuk digunakan dalam sistem pemantauan otomatis berbasis akuaponik.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Deep Learning, Transformer, Klasifikasi Ikan, Deteksi Ikan, Akuaponik
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Electronic Engineering > Undergraduate Theses
Depositing User:	Pustaka Teknik Elektro
Date Deposited:	13 Aug 2025 03:39
Last Modified:	13 Aug 2025 03:39
URI:	http://eprints.polsri.ac.id/id/eprint/18291

Actions (login required)

View Item