Identifikasi Jenis Ikan Cupang Menggunakan Metode CNN Dengan Arsitektur MobileNetV2 Berbasis Mobile
DOI:
https://doi.org/10.29407/8k2m1068Keywords:
CNN, Ikan Cupang, MobileNetV2Abstract
Penelitian ini mengembangkan sistem identifikasi jenis ikan cupang berbasis Convolutional Neural Network (CNN) dengan arsitektur DenseNet 121 yang diimplementasikan pada perangkat mobile. Jenis ikan cupang yang diidentifikasi meliputi Halfmoon, Crowntail, dan Plakat. Data gambar ikan cupang dikumpulkan dan diproses menggunakan teknik augmentasi untuk meningkatkan variasi data dan kualitas model. Hasil pengujian menunjukkan bahwa arsitektur DenseNet 121 berhasil mengidentifikasi jenis ikan cupang dengan akurasi tinggi. Implementasi berbasis mobile memungkinkan pengguna untuk melakukan identifikasi ikan cupang secara cepat dan praktis melalui aplikasi yang dirancang. Sistem ini diharapkan dapat membantu penggemar ikan cupang maupun pedagang dalam mengenali jenis ikan dengan lebih mudah dan efisien.
Downloads
References
M. Akbar, A. B. Setiawan, and R. K. Niswatin, “Klasifikasi Jenis Ikan Cupang Menggunakan Metode GLCM Dan
KNN,” Semin. Nas. Inov. Teknol., pp. 152–158, 2021.
S. Y. L. Tobing, “KLASIFIKASI JENIS IKAN CUPANG HIAS BERDASARKAN BENTUK DAN WARNA
DENGAN METODE KNN (K-NEAREST NEIGHBOR),” Galang Tanjung, no. 2504, pp. 1–9, 2015.
Hasym, I. E., & Susilawati, I. (2021). Klasifikasi Jenis Ikan Cupang Menggunakan Algoritma Principal Component
Analysis (PCA) Dan K-Nearest Neighbors (KNN). KONSTELASI: Konvergensi Teknologi dan Sistem Informasi,
(1), 168-179.
M. S. Ummah, “KLASIFIKASI CITRA IKAN CUPANG BERDASARKAN JENISNYA MENGGUNAKAN
CONVOLUTIONAL NEURAL NETWORK (CNN) BERBASIS MOBILE,” Sustain., vol. 11, no. 1, pp. 1–14, 2019,
[Online]. Available: http://scioteca.caf.com/bitstream/handle/123456789/1091/RED2017-Eng-
ene.pdf?sequence=12&isAllowed=y%0Ahttp://dx.doi.org/10.1016/j.regsciurbeco.2008.06.005%0Ahttps://www.res
earchgate.net/publication/305320484_SISTEM_PEMBETUNGAN_TERPUSAT_STRATEGI_MELESTARI
Putra, W. S. E. (2016). Klasifikasi citra menggunakan convolutional neural network (CNN) pada caltech 101. Jurnal
Teknik ITS, 5(1).
Sanjaya, U. P., Alawi, Z., Zayn, A. R., & Dirgantoro, G. P. (2023). Optimasi Convolutional Neural Network dengan
Standard Deviasi untuk Klasifikasi Pneumonia pada Citra X-rays Paru. Generation Journal, 7(3), 40-47.
GeeksforGeeks. (2024). Mobilenet V2 Architecture in Computer Vision. Retrieved from
https://www.geeksforgeeks.org/mobilenet-v2-architecture-in-computer-vision/.
Pardede, J., & Hardiansah, H. (2022). Deteksi Objek Kereta Api menggunakan Metode Faster R-CNN dengan
Arsitektur VGG 16. MIND (Multimedia Artificial Intelligent Networking Database) Journal, 7(1), 21-36.
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Bayu Wijayanto, Rizqi Maulana Mahendra, Mohammad Ibnu Salam
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
