Optimation Image Classification Pada Ikan Hiu Dengan Metode Convolutional Neural Network Dan Data Augmentasi
DOI:
https://doi.org/10.51179/tika.v7i1.993Kata Kunci:
Convolutional Neural Network (CNN), VGG16, Klasifikasi Gambar, Ikan Hiu, KerasAbstrak
Ikan Hiu merupakan ikan bertulang rawan yang banyak diburu karena mempunyai nilai ekonomi yang tinggi. Penangkapan dan perdagangan secara berlebihan mengakibatkan spesies ini terancam kepunahan dan sudah masuk pada beberapa kategori IUCN Red List. informasi tentang jenis-jenis hiu yang didaratkan di PPN Sungai liat Bangka masih sangat terbatas dikarenakan sulitnya identifikasi secara morfologi sehingga perlu dilakukan identifikasi menggunakan metode molekuler. oleh karena itu, peneliti menghasilkan program pengenalan citra pada ikan hiu menggunakan algoritma Convolutional Neural Network, yang merupakan kegiatan konvolusi dengan menggabungkan beberapa lapisan persiapan, dengan memanfaatkan beberapa komponen yang bergerak sama dan dimotivasi oleh sistem sensorik biologis. Gambar ikan hiu yang digunakan adalah basking, blacktip, blue, bull, hammerhead, lemon, mako, nurse, sand tiger, dan thresher. Implementasi pengenalan citra ikan hiu dilakukan dengan memakai 2 model pengujian yaitu model Sequential dan model on top VGG16 yang berjalan di aplikasi Google Collaboratory, dan Keras. Data pengujian pada penelitian ini adalah 1089 citra data latih dan 1073 citra data uji yang menghasilkan nilai evaluasi dengan nilai akurasi 86,58% dan nilai loss 0,701 pada model Sequential dan nilai akurasi 91,80% dan nilai loss 0,0355 pada model on top VGG16.
Unduhan
Referensi
A. Arisandi, A. I N., and S. N.L.G., “Komposisi Ukuran Dan Jenis Kelamin Ikan Hiu Karang Sirip Hitam (Carcharhinus Melanopterus) Komoditas Ekspor Bali,” J. Widya Biol., vol. 11, no. 01, pp. 52–59, 2020, doi: 10.32795/widyabiologi.v11i01.570.
P. P. N. Brondong, L. Jawa, P. Ppn, B. Of, L. Regency, and E. Java, “BIOTROPIKA Journal of Tropical Biology ECOLOGICAL VALUE OF SHARKS CATCHED BY FISHERMAN IN NATIONAL FISHERY,” vol. 8, no. 1, pp. 19–25, 2020.
S. Aisyah, O. Supratman, and A. F. Syarif, “Identifikasi Molekuler Sirip Ikan Hiu Menggunakan Gen Mitokondria Cytochrome C Oxydase Subunit I ( Coi ),” no. July, 2021, doi: 10.31186/jenggano.6.1.CITATIONS.
H. P. Efendi, R. T. Dhewi, and Ricky, “Keragaman Jenis Dan Distribusi Panjang Ikan Hiu di Perairan Selat Makassar,” Pros. Simp. Nas. Hiu Pari Indones., pp. 33–42, 2018.
E. H. Hidayat, S. I. T. Alkadrie, G. M.H, and M. Sabri, “Keberagaman Jenis Ikan Hiu dan Pari di Perairan Kalimantan Barat,” Pros. Simp. Nas. Hiu Pari, no. 2, pp. 89–95, 2018.
M. F. Burhanudin, U. Telkom, and J. Barat, “Integrasi Peran Pada Wisata Hiu : Model Bisnis Ekowisata Daya Tarik Hiu Di Pulau Tinabo Takabonerate Role Integration on Tourism : Business Model of,” Pros. Simp. Nas. Hiu Pari Indones. Ke-2 Tahun 2018, pp. 331–338, 2018.
S. Sutio et al., “Identifikasi Ikan Hiu Yang Tertangkap di Perairan Barat Aceh dan Status Konservasinya Identification and Conservation Status of Sharks Caught in Western Waters of Aceh Province , Indonesia,” vol. 3, no. April 2017, pp. 118–126, 2018.
S. Riyadi and D. I. Mulyana, “Optimasi Image Classification pada Wayang Kulit Dengan Convolutional Neural Network,” vol. 1, no. September 2021, pp. 1–8, 1850.
K. Wisnudhanti and F. Candra, “Image Classification of Pandawa Figures Using Convolutional Neural Network on Raspberry Pi 4,” J. Phys. Conf. Ser., vol. 1655, no. 1, 2020, doi: 10.1088/1742-6596/1655/1/012103.
I. Wulandari, H. Yasin, and T. Widiharih, “Klasifikasi Citra Digital Bumbu Dan Rempah Dengan Algoritma Convolutional Neural Network (Cnn),” J. Gaussian, vol. 9, no. 3, pp. 273–282, 2020, doi: 10.14710/j.gauss.v9i3.27416.
M. A. Hanin, R. Patmasari, and R. Y. Nur, “Sistem Klasifikasi Penyakit Kulit Menggunakan Convolutional Neural Network ( Cnn ) Skin Disease Classification System Using Convolutional Neural Network ( Cnn ),” e-Proceeding Eng., vol. 8, no. 1, pp. 273–281, 2021.
F. I. Kurniadi, “Klasifikasi Topeng Cirebon menggunakan Metode Convolutional Neural Network,” JATISI (Jurnal Tek. Inform. dan Sist. Informasi), vol. 8, no. 1, pp. 163–169, 2021, doi: 10.35957/jatisi.v8i1.568.
H. Fonda, “Klasifikasi Batik Riau Dengan Menggunakan Convolutional Neural Networks (Cnn),” J. Ilmu Komput., vol. 9, no. 1, pp. 7–10, 2020, doi: 10.33060/jik/2020/vol9.iss1.144.
A. Willyanto, D. Alamsyah, and H. Irsyad, “Identifikasi Tulisan Tangan Aksara Jepang Hiragana Menggunakan Metode CNN Arsitektur VGG-16,” J. Algoritm., vol. 2, no. 1, pp. 1–11, 2021.
R. A. Pangestu, B. Rahmat, and F. T. Anggraeny, “Implementasi Algoritma CNN untuk Klasifikasi Citra Lahan dan Perhitungan Luas,” Inform. dan Sist. Inf., vol. 1, no. 1, pp. 166–174, 2020.
A. Ansor, R. Ritzkal, and Y. Afrianto, “Mask Detection Using Framework Tensorflow and Pre-Trained CNN Model Based on Raspberry Pi,” J. Mantik, vol. 4, no. 3, pp. 1539–1545, 2020, [Online]. Available: http://iocscience.org/ejournal/index.php/mantik/article/view/946.
Y. Hartiwi, E. Rasywir, Y. Pratama, and P. A. Jusia, “Eksperimen Pengenalan Wajah dengan fitur Indoor Positioning System menggunakan Algoritma CNN,” Paradig. - J. Komput. dan Inform., vol. 22, no. 2, pp. 109–116, 2020, doi: 10.31294/p.v22i2.8906.
S. F. Handono, F. T. Anggraeny, and B. Rahmat, “Implementasi Convolutional Neural Network (Cnn) Untuk Deteksi Retinopati Diabetik,” J. Inform. dan Sist. Inf., vol. 1, no. 2, pp. 669–678, 2020, [Online]. Available: http://jifosi.upnjatim.ac.id/index.php/jifosi/article/view/64.
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2022 Ahmad Bustomi Zuhri, Dadang Iskandar Maulana, Eka Satria Maheswara
Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.
