DETEKSI KEMATIAN BURAYAK IKAN CHANNA MENGGUNAKAN ALGORITMA YOLOV8

Asriani, Novita (2026) DETEKSI KEMATIAN BURAYAK IKAN CHANNA MENGGUNAKAN ALGORITMA YOLOV8. Diploma thesis, Politeknik Negeri Sriwijaya.

Preview	Text (COVER) COVER.pdf - Published Version Download (553kB) | Preview
Preview	Text (ABSTRAK) ABSTRAK.pdf - Published Version Download (205kB) | Preview
	Text (BAB I PENDAHULUAN) BAB I.pdf - Published Version Restricted to Repository staff only Download (217kB) | Request a copy
	Text (BAB II TINJAUAN PUSTAKA) BAB II.pdf - Published Version Restricted to Repository staff only Download (1MB) | Request a copy
	Text (BAB III RANCANG BANGUN) BAB III.pdf - Published Version Restricted to Repository staff only Download (3MB) | Request a copy
	Text (BAB IV PEMBAHASAN) BAB IV.pdf - Published Version Restricted to Repository staff only Download (1MB) | Request a copy
	Text (BAB V PENUTUP) BAB V.pdf - Published Version Restricted to Repository staff only Download (166kB) | Request a copy
	Text (DAFTAR PUSTAKA) DAFTAR PUSTAKA.pdf - Published Version Restricted to Repository staff only Download (163kB) | Request a copy
	Text (LAMPIRAN) LAMPIRAN.pdf - Published Version Restricted to Repository staff only Download (4MB) | Request a copy

Abstract

Burayak ikan Channa memiliki tingkat sensitivitas yang tinggi terhadap perubahan lingkungan sehingga rentan mengalami stres dan kematian. Pemantauan secara manual memiliki keterbatasan karena ukuran burayak yang kecil dan membutuhkan pengamatan terus-menerus. Penelitian ini merancang dan mengimplementasikan sistem deteksi kematian burayak ikan Channa berbasis Raspberry Pi 4 menggunakan algoritma YOLOv8, serta memantau kualitas air sebagai data pendukung. Sistem menggunakan webcam untuk mendeteksi ikan hidup dan ikan mati secara real-time menggunakan model YOLOv8n yang dikonversi ke format NCNN. Pemantauan kualitas air dilakukan menggunakan sensor suhu DS18B20, pH, Dissolved Oxygen (DO), Total Dissolved Solids (TDS), dan turbidity yang dikelola oleh mikrokontroler ESP32. Data hasil deteksi dan kualitas air ditampilkan pada LCD 16×2 I2C dan Dashboard Blynk, serta disimpan otomatis ke Google Sheets setiap 5 menit. Pengujian dilakukan selama 15 hari dengan 28 data sampel. Sistem menghasilkan nilai precision 94,87%, recall 58,73%, dan F1-score 72,55%. Nilai recall yang rendah disebabkan oleh ukuran burayak yang kecil, posisi ikan yang saling bertumpuk, dan sensor yang menutupi area akuarium. Pergantian latar belakang akuarium dari hitam menjadi putih terbukti meningkatkan kontras sehingga membantu proses deteksi. Parameter suhu, DO, dan turbidity cenderung stabil selama pengujian, sedangkan pH dan TDS mengalami perubahan signifikan akibat gangguan teknis sensor pada periode awal. Kematian burayak tidak hanya dipengaruhi oleh kualitas air, tetapi juga faktor stres dan proses adaptasi lingkungan.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	YOLOv8, Raspberry Pi 4, burayak ikan Channa, deteksi kematian ikan, kualitas air
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Electronic Engineering > Undergraduate Theses
Depositing User:	Pustaka Teknik Elektro
Date Deposited:	06 Aug 2026 09:50
Last Modified:	06 Aug 2026 09:50
URI:	http://eprints.polsri.ac.id/id/eprint/24348

Actions (login required)

View Item