PENGGUNAAN RESNET-50 UNTUK DETEKSI PENYAKIT IKAN AIR TAWAR DI AKUAKULTUR STUDI KASUS PADA AKUAKULTUR ASIA SELATAN
Abstrak
Akuakultur adalah proses pembudidayaan organisme akuatik dalam lingkungan terkontrol untuk memenuhi kebutuhan pangan yang terus meningkat. Penelitian ini bertujuan untuk mengembangkan model klasifikasi penyakit ikan air tawar menggunakan ResNet-50, sebuah arsitektur jaringan saraf konvolusional yang telah terbukti efektif dalam pengenalan gambar. Dataset yang digunakan meliputi gambar ikan dengan berbagai jenis penyakit yang umum ditemukan dalam akuakultur di Asia Selatan. Penyakit ikan merupakan ancaman serius bagi industri perikanan, dan deteksi dini sangat penting untuk mengambil tindakan pencegahan yang tepat. Model ResNet-50 telah terbukti efektif dalam mempelajari fitur-fitur kompleks pada citra, sementara teknik transfer learning memungkinkan pemanfaatan pengetahuan yang telah dipelajari oleh model sebelumnya. Model ResNet-50 dilatih menggunakan teknik augmentasi data untuk mengatasi ketidakseimbangan kelas dalam dataset. Hasil penelitian menunjukkan bahwa model ini mampu mengklasifikasikan penyakit ikan dengan akurasi yang tinggi, mencapai akurasi validasi 90% setelah 50 epoch. Model ini diharapkan dapat menjadi alat yang berguna bagi nelayan ikan untuk mendeteksi penyakit secara cepat dan akurat, sehingga dapat mengurangi kerugian ekonomi dan meningkatkan efisiensi produksi akuakultur.
Kata kunci: Akuakultur, Penyakit Ikan, Klasifikasi, Resnet-50, Transfer Learning
Referensi
B. Sumiarto and U. G. M. Press, Pemikiran Guru Besar Universitas Gadjah Mada Menuju Indonesia Maju 2045: Bidang Agro. in Pemikiran guru besar Universitas Gadjah Mada menuju Indonesia maju, 2045. Gadjah Mada University Press, 2021. [Online]. Available: https://books.google.co.id/books?id=EnpREAAAQBAJ
L. P. Wanti and S. Romadhon, “Implementasi Forward Chaining Method Pada Sistem Pakar Untuk Deteksi Dini Penyakit Ikan,” Infotekmesin, vol. 11, no. 2, pp. 74–79, 2020.
P. Purwono, “Monograf: Komparasi Model Transfer Learning Algoritma CNN pada Penyakit Alzheimer,” UHB Press, vol. 1, no. 1, 2022.
S. Dash, S. Ojha, R. K. Muduli, S. P. Patra, and R. C. Barik, “Fish Type and Disease Classification Using Deep Learning Model Based Customized CNN with Resnet 50 Technique.,” Journal of Advanced Zoology, vol. 45, no. 3, 2024.
M. R. I. Mamun, U. S. Rahman, T. Akter, and M. A. Azim, “Fish Disease Detection using Deep Learning and Machine Learning,” Int J Comput Appl, vol. 975, p. 8887, Oct. 2023.
Dewa and Krisna Arga, “DETEKSI IKAN TONGKOL BERFORMALIN MENGGUNAKAN CITRA KULIT IKAN DENGAN METODE CONVOLUTIONAL NEURAL NETWORK ResNet-50,” Eprints UPN “Veteran” Yogyakarta, 2023, Accessed: May 14, 2024. [Online]. Available: https://eprints.upnyk.ac.id/37309/2/2.%20Abstrak_123160102_Krisna%20Arga%20Dewa.pdf
E. Prasetyo, R. Purbaningtyas, R. D. Adityo, E. T. Prabowo, and A. I. Ferdiansyah, “Perbandingan convolution neural network untuk klasifikasi kesegaran ikan bandeng pada citra mata,” Jurnal Teknologi Informasi dan Ilmu Komputer, vol. 8, no. 3, pp. 601–607, 2021.
A. Julianto, A. Sunyoto, and F. W. Wibowo, “Optimasi Hyperparameter Convolutional Neural Network Untuk Klasifikasi Penyakit Tanaman Padi,” TEKNIMEDIA: Teknologi Informasi dan Multimedia, vol. 3, no. 2, pp. 98–105, 2022.
M. S. Dr. Ir. Eddy Afrianto, M. P. Ir. Evi Liviawaty, M. S. Ir. Zafran Jamaris, and S. P. Hendi, Penyakit Ikan. Penebar Swadaya Grup. [Online]. Available: https://books.google.co.id/books?id=YCLgCgAAQBAJ
S. M. Pattipeiluhu, J. M. F. Sahetapy, and S. M. A. Rijoly, Buku Ajar Manajemen Kesehatan Ikan. Deepublish, 2023. [Online]. Available: https://books.google.co.id/books?id=2gDSEAAAQBAJ
I. Khasani, “PENYAKIT EKOR PUTIH (WHITE MUSCLE DISEASE) PADA UDANG GALAH (Macrobrachium rosenbergii de Man).”
S. T. M. K. Yahya, Data Mining. CV Jejak (Jejak Publisher), 2022. [Online]. Available: https://books.google.co.id/books?id=0J2mEAAAQBAJ
D. Qosimah and H. Khotimah, Pengendalian dan Diagnosis Penyakit Ikan: Kausa Bakteri dan Jamur. Universitas Brawijaya Press, 2020. [Online]. Available: https://books.google.co.id/books?id=nRUQEAAAQBAJ
F. S. B. Kibenge, B. Baldisserotto, and R. S. M. Chong, Aquaculture Pathophysiology: Volume I. Finfish Diseases. Elsevier Science, 2022. [Online]. Available: https://books.google.co.id/books?id=Z5XgDwAAQBAJ
M. S. T. L. Hambali Supriyadi, Mwaspadai & Menanggulangi Peny. pada Lou Han. AgroMedia. [Online]. Available: https://books.google.co.id/books?id=bi-KPpmhynMC
S. P. M. S. Mulyati, MODUL KUALITAS AIR DAN HAMA PENYAKIT SMK/MAK KELAS X SEMESTER GENAP. Litera Pustaka. [Online]. Available: https://books.google.co.id/books?id=h65_EAAAQBAJ
W. Setiawan, Deep Learning menggunakan Convolutional Neural Network: Teori dan Aplikasi. Media Nusa Creative (MNC Publishing), 2021. [Online]. Available: https://books.google.co.id/books?id=sE9LEAAAQBAJ
Keywords | : | |
Galleys | : | |
Diterbitkan | : |
2024-07-21
|
Cara Mengutip | : | |
Terbitan | : |