W. Setyawan, Agung Nilogiri, Qurrota A’yun
{"title":"IMPLEMENTASI CONVOLUTION NEURAL NETWORK (CNN) UNTUK KLASIFIKASI PADA CITRA IKAN CUPANG HIAS","authors":"W. Setyawan, Agung Nilogiri, Qurrota A’yun","doi":"10.59697/jtik.v7i1.45","DOIUrl":null,"url":null,"abstract":"\nIkan cupang adalah salah satu jenis ikan air tawar yang habitatnya tersebar disebagain negara Asia Tenggara. Ikan cupang  memiliki nilai ekonomis tinggi, di masa pandemi bisnis ikan cupang hias biasa dilakukan secara online shop melalui Facebook, Instagram. Bagi orang yang masih awam dengan ikan cupang tentunya akan sulit untuk mengenali ciri bentuk fisik dari jenis ikan cupang, karena pada dasarnya jenis-jenis ikan cupang hias memiliki kemiripan pada struktur tubuh, srip dan ekornya. Oleh karena itu, dibutuhkan sebuah sistem untuk membantu orang awam dalam mengenali jenis ikan cupang hias. Pada penelitian ini dibangun sebuah sistem untuk mengklasifikasikan jenis ikan cupang hias, yaitu: Plakat, Crowntail, Halfmoon, Double tail dan Halfmoon plakat(HMPK) jantan dan betina dengan memanfaatkan pemodelan Convolutional Neural Network (CNN). CNN merupakan algoritma yang dikembangkan dari MultiLayer Perceptron yang dapat mengekstraksi citra dengan detail. Model CNN dirancang menggunakan arsitektur VGG16 yang dimodifikasi pada bagian Fully-connected layers. Berdasarkan dari hasil pengujian model CNN menggunakan data test sebanyak 180 citra mendapatkan akurasi sebesar 78,33%. \n","PeriodicalId":163068,"journal":{"name":"JTIK (Jurnal Teknik Informatika Kaputama)","volume":"47 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2023-01-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"JTIK (Jurnal Teknik Informatika Kaputama)","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.59697/jtik.v7i1.45","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

摘要

斗鱼是一种淡水鱼类,它们的栖息地分布在东南亚。斗鱼具有很高的经济价值,在大流行期间,通过Facebook、Instagram,定期在网上进行装饰性斗鱼业务。对于一个没有经验的斗鱼爱好者来说,要确定这种斗鱼的生理特征将是困难的,因为这种观赏鱼的种类基本上与身体结构、鱼鳞和尾巴有相似之处。因此,它需要一种系统来帮助门外汉识别浮鱼的种类。这项研究建立了一种分类系统,通过利用神经联导网络(CNN),将有装饰性的斗鱼种类分类:一种是标语牌、冠尾鱼、半尾、双尾和半月形斑鱼(HMPK)。CNN是一个多层Perceptron开发的算法,可以详细提取图像。CNN模型采用了最先进的VGG16结构根据CNN模型测试的结果,使用了180个图像,可以得到78.33%的准确性。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
IMPLEMENTASI CONVOLUTION NEURAL NETWORK (CNN) UNTUK KLASIFIKASI PADA CITRA IKAN CUPANG HIAS
Ikan cupang adalah salah satu jenis ikan air tawar yang habitatnya tersebar disebagain negara Asia Tenggara. Ikan cupang  memiliki nilai ekonomis tinggi, di masa pandemi bisnis ikan cupang hias biasa dilakukan secara online shop melalui Facebook, Instagram. Bagi orang yang masih awam dengan ikan cupang tentunya akan sulit untuk mengenali ciri bentuk fisik dari jenis ikan cupang, karena pada dasarnya jenis-jenis ikan cupang hias memiliki kemiripan pada struktur tubuh, srip dan ekornya. Oleh karena itu, dibutuhkan sebuah sistem untuk membantu orang awam dalam mengenali jenis ikan cupang hias. Pada penelitian ini dibangun sebuah sistem untuk mengklasifikasikan jenis ikan cupang hias, yaitu: Plakat, Crowntail, Halfmoon, Double tail dan Halfmoon plakat(HMPK) jantan dan betina dengan memanfaatkan pemodelan Convolutional Neural Network (CNN). CNN merupakan algoritma yang dikembangkan dari MultiLayer Perceptron yang dapat mengekstraksi citra dengan detail. Model CNN dirancang menggunakan arsitektur VGG16 yang dimodifikasi pada bagian Fully-connected layers. Berdasarkan dari hasil pengujian model CNN menggunakan data test sebanyak 180 citra mendapatkan akurasi sebesar 78,33%.
求助全文
通过发布文献求助,成功后即可免费获取论文全文。 去求助
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信