Analisis Performansi Model Deep Learning Untuk Mendeteksi Moulting Pada Budidaya Kepiting Soka - Submit Journal

Maulana, Fajri (2022) Analisis Performansi Model Deep Learning Untuk Mendeteksi Moulting Pada Budidaya Kepiting Soka - Submit Journal. Bachelor thesis, Institut Teknologi Kalimantan.

	Text 04181039_cover.pdf Restricted to Repository staff only until 1 October 2023. Download (1MB) | Request a copy
	Text 04181039_abstract_en.pdf Restricted to Registered users only until 1 October 2023. Download (1MB) | Request a copy
	Text 04181039_abstract_id.pdf Restricted to Repository staff only until 1 October 2023. Download (1MB) | Request a copy
	Text 04181039_chapter_1.pdf Restricted to Registered users only until 1 October 2023. Download (5MB) | Request a copy
	Text 04181039_conclusions.pdf Restricted to Registered users only until 1 October 2023. Download (2MB) | Request a copy
	Text 04181039_bibliography.pdf Restricted to Registered users only until 1 October 2023. Download (4MB) | Request a copy
	Text 04181039_form020.pdf Restricted to Repository staff only until 1 October 2023. Download (1MB) | Request a copy
	Text 04181039_chapter_2.pdf Restricted to Registered users only until 1 October 2023. Download (612kB) | Request a copy
	Text 04181039_chapter_3.pdf Restricted to Registered users only until 1 October 2023. Download (209kB) | Request a copy
	Text 04181039_chapter_4.pdf Restricted to Registered users only until 1 October 2023. Download (721kB) | Request a copy

Abstract

Kepiting bakau merupakan salah satu jenis komoditas laut yang potensial untuk dibudidayakan karena mempunyai nilai ekonomis tinggi. Nilai permintaan rajungan-kepiting dunia selama 5 tahun terakhir telah meningkat sebesar 5% per tahun yang menunjukkan bahwa pasar rajungan-kepiting masih terbuka dan potensial untuk terus dikembangkan. Seiring dengan jumlah permintaan rajungan-kepiting yang tinggi, terdapat kendala dalam proses budidaya. Kendala-kendala dalam proses budidaya kepiting soka yaitu kegagalan panen, proses budidaya yang relatif lama sehingga membutuhkan tenaga kerja yang banyak dan waktu yang panjang. Salah satu upaya untuk mengatasi permasalahan tersebut adalah mendeteksi kepiting soka setelah mencapai proses moulting dengan model deep learning. Dalam penelitian ini, penulis akan menggunakan 3 model deep learning yaitu YOLOv3, VGG16 dan MobileNet. Pengujian akan dilakukan dengan pre-processing dan tanpa pre-processing serta variasi frame size sebagai input model. Pre-processing dilakukan dengan mengubah gambar menjadi grayscale dan pemotongan gambar agar lebih fokus pada area kepiting. Berdasarkan hasil pengujian dan variasi dari performansi model pendeteksi objek yang dilakukan, hasil yang didapatkan untuk performansi YOLOv3 menjadi yang terbaik diantara VGG16 dan MobileNet. YOLOv3 mendapatkan nilai performansi terbaik yang diperoleh yaitu akurasi 100%, recall 100% dan precision 100% dengan frame size UXGA tanpa pre-processing dan SVGA dengan pre-processing. Kemudian VGG16 mendapatkan akurasi 95%, recall 90%, dan precision 100% dengan frame size SVGA tanpa pre-processing. MobileNet mendapatkan nilai performansi tertinggi yaitu akurasi 80%, recall 80% dan precision 80% frame size UXGA tanpa pre-processing Hasil pengujian dengan pre-processing dan tanpa pre-processing mendapatkan hasil performansi yang menunjukkan bahwa pre-processing yang dilakukan dengan mengubah warna grayscale dan pemotongan gambar tidak menghasilkan performansi yang lebik baik. Kemudian variasi frame size sebagai input model berpengaruh pada model deep learning karena semakin besar frame size yang digunakan akan mempengaruhi tingkat performansi dari deep learning semakin besar

Item Type:	Thesis (Bachelor)
Subjects:	S Agriculture > SH Aquaculture. Fisheries. Angling T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Jurusan Teknologi Industri dan Proses > Teknik Elektro
Depositing User:	Fajri Maulana
Date Deposited:	19 Jul 2022 08:18
Last Modified:	19 Jul 2022 08:18
URI:	http://repository.itk.ac.id/id/eprint/18313

Actions (login required)

View Item