Implementasi Deep Learning untuk Identifikasi Jenis Ikan Laut Menggunakan Algoritma Yolov3 (You Only Look Once)

Imam Rusli, Muhammad (2024) Implementasi Deep Learning untuk Identifikasi Jenis Ikan Laut Menggunakan Algoritma Yolov3 (You Only Look Once). Undergraduate thesis, UNIVERSITAS MUHAMMADIYAH JEMBER.

	Text A. PENDAHULUAN.pdf Download (2MB)
	Text B. ABSTRAK.pdf Download (376kB)
	Text C. BAB I.pdf Download (522kB)
	Text D. BAB II.pdf Restricted to Repository staff only Download (3MB) | Request a copy
	Text E. BAB III.pdf Restricted to Repository staff only Download (2MB) | Request a copy
	Text F. BAB IV.pdf Restricted to Repository staff only Download (6MB) | Request a copy
	Text G. BAB V.pdf Restricted to Repository staff only Download (352kB) | Request a copy
	Text H. DAFTAR PUSTAKA.pdf Download (604kB)
	Text I. LAMPIRAN.pdf Restricted to Repository staff only Download (1MB) | Request a copy

Abstract

Penelitian ini mengembangkan dan mengimplementasikan sistem pendeteksian jenis ikan laut menggunakan algoritma YOLOv3. Tujuan utama dari penelitian ini adalah untuk menciptakan model yang mampu mendeteksi dan mengklasifikasikan tiga jenis ikan laut, yaitu Ikan Lemuru, Ikan Tongkol, dan Ikan Banyar, dengan akurasi tinggi dan waktu pemrosesan yang cepat. Dataset yang digunakan terdiri dari 200 gambar, dengan 150 gambar digunakan untuk pelatihan dan 50 gambar untuk pengujian. Implementasi sistem dilakukan menggunakan pemrograman Python dengan library OpenCV 4.0.0. Hasil pengujian menunjukkan bahwa model YOLOv3 yang telah dilatih (YOLOv3Custom_object_Training) mampu mendeteksi Ikan Lemuru dengan akurasi 97% dan waktu pemrosesan 0,113 detik, Ikan Tongkol dengan akurasi 100% dan waktu pemrosesan 0,100 detik, serta Ikan Banyar dengan akurasi 95% dan waktu pemrosesan 0,100 detik. Tingginya tingkat akurasi dan kecepatan pemrosesan ini membuktikan bahwa algoritma YOLOv3 sangat efektif dalam aplikasi deteksi dan klasif

Item Type:	Thesis (Undergraduate)
Uncontrolled Keywords:	YOLOv3, Deteksi Objek, Klasifikasi Ikan Laut, OpenCV, Deep Learning.
Subjects:	000 Computer Science, Information, & General Works > 004 Data Processing, Computer Science 000 Computer Science, Information, & General Works > 005 Computer Programming, Programs, & Data
Divisions:	Faculty of Engineering > Department of Informatics Engineering (S1)
Depositing User:	Mohammad Imam Rusli
Date Deposited:	12 Jul 2024 04:09
Last Modified:	12 Jul 2024 04:09
URI:	http://repository.unmuhjember.ac.id/id/eprint/21449

Actions (login required)

View Item