Rancang Bangun Aplikasi Mobile Untuk Klasifikasi Jenis Ikan Koi Menggunakan Algoritma Convolutional Neural Network
DOI:
https://doi.org/10.29407/stains.v3i1.4312Keywords:
Convolutional Neural Network, Ikan Koi, MobileAbstract
Ikan koi merupakan ikan hias yang memiliki banyak corak warna dan jenis yang beragam. Corak yang bervariasi membuat orang awam yang baru mengenal ikan koi sulit untuk membedakan jenisnya. Saat ini, tidak ada cara yang cepat dan mudah untuk mengklasifikasikan ikan koi. Penelitian ini bertujuan untuk mengembangkan perangkat lunak yang dapat membantu penjual dan penggemar ikan koi untuk mengidentifikasi jenis ikan koi dengan cepat menggunakan ponsel mereka. Dalam penelitian ini metode yang digunakan adalah Convolutional Neural Network yang akan dibuat sebuah model untuk klasifikasinya. Model diimplementasikan menggunakan aplikasi mobile untuk input menggunakan upload gambar. Data yang digunakan pada penelitian ini didapatkan dari website kaggle.com. Data berjumlah 1700 gambar dengan perbandingan data training, validasi, dan testing yaitu 8:2:2. Berdasarkan hasil pengujian menggunakan aplikasi mobile didapatkan akurasi sebesar 99,12% untuk jenis ikan koi “Bekko”. Untuk jenis ikan yang memiliki akurasi paling rendah yaitu 94,11% untuk jenis ikan “Ghosiki”.
Downloads
References
Y. Hasan, “Computer Vision: Identifikasi Umur Ikan Koi Berbasis Android,” vol, vol. 5, hal. 77–81, 2020.
H. Syarif dan P. N. Andono, “Content Based Image Retrieval Berbasis Color Histogram Untuk Pengklasifikasian Ikan Koi Jenis Kohaku,” JIPI (Jurnal Ilm. Penelit. dan Pembelajaran Inform., vol. 8, no. 2, hal. 616–626, 2023.
S. Saha, "A Comprehensive Guide to Convolutional Neural Networks — the ELI5 way," [Online]. Available: https://towardsdatascience.com/a-comprehensive-guide-to-convolutional-neural-networks-the-eli5-way-3bd2b1164a53. [Accessed 23 12 2023].
J. Maurício, I. Domingues, dan J. Bernardino, “Comparing Vision Transformers and Convolutional Neural Networks for Image Classification: A Literature Review,” Appl. Sci., vol. 13, no. 9, hal. 5521, 2023.
M. M. Taye, “Theoretical understanding of convolutional neural network: concepts, architectures, applications, future directions,” Computation, vol. 11, no. 3, hal. 52, 2023.
U. S. Rahmadhani dan N. L. Marpaung, “Klasifikasi Jamur Berdasarkan Genus Dengan Menggunakan Metode CNN,” J. Inform. J. Pengemb. IT, vol. 8, no. 2, hal. 169–173, 2023.
A. Azis, “Identifikasi Jenis Ikan Menggunakan Model Hybrid Deep Learning Dan Algoritma Klasifikasi,” Sebatik, vol. 24, no. 2, hal. 201–206, 2020.
M. T. A. S. Ahmad dan B. Sugiarto, “Implementasi Convolutional Neural Network (CNN) untuk Klasifikasi Ikan Cupang Berbasis Mobile,” Digit. Transform. Technol., vol. 3, no. 2, hal. 792–803, 2023.
U. P. Sanjaya, Z. Alawi, A. R. Zayn, dan G. Dirgantara, “Optimasi Convolutional Neural Network dengan Standard Deviasi untuk Klasifikasi Pneumonia pada Citra X-rays Paru,” Gener. J., vol. 7, no. 3, hal. 40–47, 2023.
Downloads
Published
Issue
Section
License
Copyright (c) 2024 M. Farij Amrulloh, Shandy Sadewa Asmoro, Moch. Anas Toybah, Muh Aris Saputra
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Copyright on any article is retained by the author(s).
- The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
- The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License
