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.

[thumbnail of A. PENDAHULUAN.pdf] Text
A. PENDAHULUAN.pdf

Download (2MB)
[thumbnail of B. ABSTRAK.pdf] Text
B. ABSTRAK.pdf

Download (376kB)
[thumbnail of C. BAB I.pdf] Text
C. BAB I.pdf

Download (522kB)
[thumbnail of D. BAB II.pdf] Text
D. BAB II.pdf
Restricted to Repository staff only

Download (3MB) | Request a copy
[thumbnail of E. BAB III.pdf] Text
E. BAB III.pdf
Restricted to Repository staff only

Download (2MB) | Request a copy
[thumbnail of F. BAB IV.pdf] Text
F. BAB IV.pdf
Restricted to Repository staff only

Download (6MB) | Request a copy
[thumbnail of G. BAB V.pdf] Text
G. BAB V.pdf
Restricted to Repository staff only

Download (352kB) | Request a copy
[thumbnail of H. DAFTAR PUSTAKA.pdf] Text
H. DAFTAR PUSTAKA.pdf

Download (604kB)
[thumbnail of I. LAMPIRAN.pdf] 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

Contribution
Nama Dosen Pembimbing
NIDN/NIDK
UNSPECIFIED
Triawan Adi, Cahyanto
nidn0702098804
UNSPECIFIED
Handayani, Luluk
nidn0725108003

Item Type: Thesis (Undergraduate)
Keywords/Kata Kunci: 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 | imamrusli15@gmail.com
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 View Item