MENUJU GRADING BIBIT IKAN LELE OTOMATIS: PENERAPAN ALGORITMA MACHINE LEARNING UNTUK KLASIFIKASI UKURAN PADA OBJEK BIBIT IKAN LELE DENGAN MENGGUNAKAN OPENMV CAM

Dandi Agung Setiawan, Dandi (2023) MENUJU GRADING BIBIT IKAN LELE OTOMATIS: PENERAPAN ALGORITMA MACHINE LEARNING UNTUK KLASIFIKASI UKURAN PADA OBJEK BIBIT IKAN LELE DENGAN MENGGUNAKAN OPENMV CAM. Diploma thesis, Politeknik Negeri Malang.

	Text COVER.pdf Restricted to Registered users only Download (670kB)
	Text BAB I.pdf Restricted to Registered users only Download (235kB)
	Text BAB II.pdf Restricted to Registered users only Download (393kB)
	Text BAB III.pdf Restricted to Registered users only Download (455kB)
	Text BAB IV.pdf Restricted to Registered users only Download (361kB)
	Text BAB V.pdf Restricted to Registered users only Download (925kB)
	Text BAB VI.pdf Restricted to Registered users only Download (503kB)
	Text BAB VI.pdf Restricted to Registered users only Download (503kB)
	Text BAB VII.pdf Restricted to Registered users only Download (214kB)
	Text DAFTAR PUSTAKA.pdf Restricted to Registered users only Download (1MB)
	Text LAMPIRAN.pdf Restricted to Registered users only Download (1MB)

Abstract

Masalah utama yang biasa terjadi pada saat pembelian bibit ikan lele adalah ukuran bibit yang tidak sama dikarenakan pembibit masih menggunakan cara tradisional dalam menyortir dan menghitung bibit satu per satu. Alat yang biasa digunakan untuk penyortiran berupa bak sortir, dimana bak tersebut memiliki lubang-lubang yang ukuran diameternya sama untuk masing-masing ukuran tertentu, kegiatan ini biasa disebut dengan grading. Tujuan grading adalah untuk mendapatkan keseragaman ukuran dari bibit ikan lele serta mengurangi kanibalisme dan meningkatkan efektivitas serta efisiensi pemberian pakan. Pada umumnya grading ini dilakukan pada umur 50 hari. Pada penelitian ini menggunakan OpenMV Cam H7 Plus sebagai media yang digunakan untuk melakukan klasifikasi bibit ikan lele berdasarkan ukuran dari masing-masing grade bibit ikan lele. Untuk masing-masing grade yang digunakan antara lain: grade A (2-3 cm), grade B (4-5 cm) dan grade C (6-8). Pada penelitian ini menggunakan metode Algoritma Machine Learning untuk klasifikasi ukuran bibit ikan lele. Penelitian ini menggunakan 60 data training dan 30 data testing. Hasil pengujian akurasi sistem secara langsung menghasilkan akurasi 86,67%. Hasil dari penelitian ini sistem mampu mengklasifikasikan ukuran bibit ikan lele berdasarkan panjang dan lebar dari citra ikan dan hasil pengujian sistem secara langsung di lapangan menunjukkan hasil akurasi yang baik maka dari itu penelitian yang dilakukan dianggap berhasil.

Item Type:	Thesis (Diploma)
Subjects:	A Computer Science > Artificial Intelligence
Divisions:	Jurusan Teknologi Informasi > Teknik Informatika
Depositing User:	Dandi Agung Setiawan
Date Deposited:	20 Dec 2023 09:01
Last Modified:	20 Dec 2023 09:01
URI:	http://repota.jti.polinema.ac.id/id/eprint/783

Actions (login required)

View Item