Penerapan Convolution Neural Network (CNN) untuk Identifikasi Jenis Ikan Hias Air Tawar

Patintingan, Setiani (2025) Penerapan Convolution Neural Network (CNN) untuk Identifikasi Jenis Ikan Hias Air Tawar. Diploma thesis, Universitas Kristen Indonesia Toraja.

[thumbnail of Halaman Judul] Text (Halaman Judul)
Halaman Judul.pdf

Download (332kB)
[thumbnail of Bab I] Text (Bab I)
Bab I.pdf

Download (222kB)
[thumbnail of Bab II] Text (Bab II)
Bab II.pdf

Download (422kB)
[thumbnail of Bab III] Text (Bab III)
Bab III.pdf
Restricted to Registered users only

Download (157kB)
[thumbnail of Bab IV] Text (Bab IV)
Bab IV.pdf
Restricted to Registered users only

Download (1MB)
[thumbnail of Bab V] Text (Bab V)
Bab V.pdf

Download (154kB)
[thumbnail of Daftar Pustaka] Text (Daftar Pustaka)
Daftar Pustaka.pdf

Download (218kB)
[thumbnail of Riwayat Hidup] Text (Riwayat Hidup)
Lampiran.pdf

Download (189kB)

Abstract

Identifikasi jenis ikan hias air tawar secara otomatis dapat membantu pelaku bisnis perikanan dan penghobi dalam mengklasifikasikan ikan dengan lebih akurat dan efisien. Penelitian ini menerapkan Convolutional Neural Network (CNN) sebagai metode deep learning untuk mengenali dan mengklasifikasikan jenis ikan hias air tawar berdasarkan citra. Model CNN dilatih menggunakan dataset gambar ikan hias dengan berbagai spesies untuk meningkatkan akurasi
klasifikasi. Hasil penelitian menunjukkan bahwa metode CNN mampu mengidentifikasi jenis ikan hias dengan tingkat akurasi yang cukup baik. Penerapan model ini diharapkan dapat menjadi solusi bagi industri perikanan dan aplikasi berbasis kecerdasan buatan dalam bidang identifikasi ikan hias.
Kata Kunci: Convolutional Neural Network, Identifikasi Ikan Hias,Klasifikasi Gambar, Deep Learning

Item Type: Thesis (Diploma)
Subjects: T Technology > T Technology (General)
Divisions: Fakultas Teknik > Teknik Informatika
Depositing User: Unnamed user with username perpustakaan2_1
Date Deposited: 08 Oct 2025 07:07
Last Modified: 08 Oct 2025 07:07
URI: https://repo.ukitoraja.ac.id/id/eprint/894

Actions (login required)

View Item
View Item