ZHARIFAH MUTHIAH Primary Author mixed material bibliography Banda Aceh Fakultas Teknik Elektro dan Komputer 2023

Skripsi

Penelitian ini membahas tentang klasifikasi hasil budidaya udang putih (Litopenaeus vannamei) pada media kolam tanah dan kolam terpal menggunakan deep learning. Udang putih atau sering juga disebut para nelayan udang vaname merupakan salah satu komoditas perikanan yang memiliki nilai ekonomi tinggi. Hasil budidaya udang vaname pada media kolam tanah dan kolam terpal sekilas terlihat hampir sama, tapi jika diperhatikan berbeda dari berbagai segi baik itu dari warna, bentuk, ukuran, dan harga pasarannya. Hal ini menyebabkan para pedagang dapat mempermainkan harga bagi pembeli yang tidak begitu paham tentang perbedaan kedua udang. Alat otomatis untuk klasifikasi kedua jenis udang ini perlu ada, dan dalam pengembangan alat tersebut diperlukan dataset. Namun saat ini belum ada public dataset dan penelitian mengenai klasifikasi hasil budidaya udang vaname dari media kolam tanah dan kolam terpal. Tujuan penelitian ini membangun dataset primer hasil budidaya udang vaname dari media kolam tanah dan kolam terpal dan mengklasifikasi menggunakan arsitektur Visual Geometry Group (VGG)-16 dan Residual Network (ResNet)-50. Proses pembangunan dataset yaitu dengan cara akuisi data dan augmentasi, jumlah dataset setelah melakukan augmentasi yaitu 2.080 citra pada masing-masing kelas. Performasi dari pelatihan diukur berdasarkan waktu pelatihan, accuracy, Positive Predictive Value (PPV)/precision, Negative Predictive Value (NPV), recall (sensitivity), dan specificity. Hasil budidaya udang vaname dari media kolam tanah dan kolam terpal dapat diklasifikasikan menggunakan arsitektur VGG-16 dan ResNet-50, tercatat waktu pelatihan ResNet-50 177 menit, sedangkan VGG-16 185 menit, dengan nilai accuracy testing arsitektur VGG-16 98.8% dan ResNet-50 100%. Kata Kunci: Udang Vaname, Deep Learning, Convolutional Neural Network (CNN), VGG-16, ResNet-50. 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 110741 2023-05-26 14:52:04 2023-05-26 15:06:45 machine generated