ESTIMASI MASSA IKAN NILA MENGGUNAKAN FITUR BENTUK DAN JARINGAN SARAF TIRUAN BERBASIS COMPUTER VISION
Ikan merupakan sumber energi dan protein yang berkualitas tinggi serta memiliki peran sangat penting dalam menjaga kesehatan imun tubuh dan baik untuk kelangsungan hidup. Sangat penting untuk mengestimasi massa ikan dalam berbagai tahap pertumbuhan untuk mencapai pemberian makan yang wajar dan mendorong pertumbuhan yang sehat. Dalam metode estimasi massa ikan menggunakan Jaringan Saraf Tiruan, jarak antara perangkat akuisisi citra dan ikan target umumnya perlu diperbaiki serta pencahayaan. Berdasarkan pada masalah di atas, diusulkan metode estimasi massa ikan berdasarkan analisis ekstraksi fitur bentuk dan jaringan saraf tiruan. Pertama, citra asli akan dilakukan pre-processing terlebih dahulu yang didalamnya terdiri dari resize, greyscale, segmentasi, dan morfologi. Kedua, setelah citra hasil morfologi dihasilakan, citra ikan diekstraksi menggunakan 14 fitur bentuk untuk mengetahui nilai dari fiturfitur. Akhirnya, massa ikan diperkirakan dengan jaringan saraf tiruan menggunakan algoritma backpropogation. Dalam penelitian ini, metode backpropogation digunakan untuk menghitung nilai fitur citra ikan, untuk memecahkan masalah bahwa pencahayaan dan jarak antara perangkat akuisisi dengan ikan target tidak konsisten, sangat mempengaruhi akurasi estimasi massa ikan. Ikan nila diambil sebagai objek penerapan metode backpropogation untuk estimasi massa ikan yang diuji pada dataset dengan mean absolute error (MAE) 0,01844, root mean square error (RMSE) 0,0244336 dan koefisien determinasi (
Ketersediaan
Detail Information
Judul | ESTIMASI MASSA IKAN NILA MENGGUNAKAN FITUR BENTUK DAN JARINGAN SARAF TIRUAN BERBASIS COMPUTER VISION |
---|---|
Pengarang | MUHAMAD SALMAN - Personal Name |
No. Panggil | SKRIPSI MUH e 2022 |
Subyek | Computer Vision, Ekstraksi Fitur Bentuk, Jaringan |
Bahasa | Indonesia |
Tempat Terbit | Universitas Mulawarman |
Tahun Terbit | 2022 |
Penerbit | Fakultas Teknik |
Jurusan | Informatika |
Lampiran Berkas | LOADING LIST... |
DIGITAL LIBRARY