Image Classification Pada Jenis Ikan Channa Menggunakan Machine Vision

Firman Nugroho

Abstrak

Ikan channa, atau ikan gabus, adalah salah satu jenis ikan yang populer di kalangan masyarakat. Ikan ini selain dapat dikonsumsi juga dapat dipelihara dikarenakan keindahan warnanya yang beragam pada tubuhnya, sehingga cocok dipelihara dalam akuarium. Saat ini, terdapat 39 jenis ikan channa dan 3 jenis ikan parachanna yang diidentifikasi di Indonesia. Banyak orang yang belum mengenal jenis ikan channa menganggapnya serupa, padahal terdapat banyak jenis yang berbeda. Dalam penelitian ini, digunakan metode Convolutional Neural Network (CNN) MobileNetV1 untuk mengklasifikasikan delapan jenis ikan channa. Metode ini membantu mengenali jenis ikan channa berdasarkan pola warnanya. Penelitian ini juga mengembangkan alat berbasis M5StickV yang efektif dalam mengenali jenis ikan channa. Hasil penelitian menunjukkan perbedaan akurasi antara model h5 dan tflite mendapatkan nilai akurasi sebesar 69,75% dengan model Kmodel sebesar 73,75%. Model Kmodel pada M5StickV memberikan akurasi yang lebih tinggi karena dilengkapi dengan chip KPU yang dioptimalkan untuk pengolahan citra pada perangkat IoT. Penelitian ini memberikan manfaat bagi masyarakat untuk mengenali ikan channa dan sebagai alat bantu bagi para penggemar ikan channa dalam mengidentifikasi jenis-jenisnya. Dalam kesimpulannya, penelitian ini membuktikan bahwa M5StickV merupakan platform yang efektif dalam mengklasifikasikan ikan channa dengan tingkat akurasi sebesar 73,75%.

Kata kunci

© 2026 UPA Perpustakaan POLINEMAStatus LayananKebijakan PrivasiSyarat & Ketentuan

v2026.11.17.1 · 828354d