Klasifikasi Spesies Hiu Dengan Arsitektur

Ahmad Bahar; Bagus Adhi Kusuma

doi:10.59435/jocstec.v1i3.120

Authors

Ahmad Bahar Universitas Amikom Purwokerto
Bagus Adhi Kusuma Universitas Amikom Purwokerto

DOI:

https://doi.org/10.59435/jocstec.v1i3.120

Keywords:

ikan hiu, ResNet50, Convolutional Neural Network (CNN), Klasifikasi Spesies

Abstract

Ikan hiu adalah kelompok hewan yang menarik dan menakutkan di dunia laut. Mereka termasuk dalam kelas Chondrichthyes bersama dengan pari dan hiu bersirip. Mereka dapat ditemukan di berbagai perairan dan memiliki peran penting sebagai indikator kesehatan ekosistem laut. Namun, populasi ikan hiu terancam karena penangkapan ikan ilegal dan kurangnya konservasi. Dalam proses mengidentifikasi dan mengklasifikasikan spesies hiu, peneliti membuat program dengan menggunakan teknik pengenalan visi komputer, seperti Convolutional Neural Network (CNN), dapat sangat membantu. Salah satu arsitektur CNN yang efektif adalah ResNet50, yang terbukti berhasil dalam klasifikasi gambar. Dengan menggunakan 4720 data citra ikan hiu dari 14 kelas model ResNet50 berhasil mencapai akurasi 86% dalam klasifikasi spesies ikan hiu. Model ini dapat digunakan untuk mengidentifikasi spesies hiu dengan baik, kecuali pada beberapa kelas tertentu yang perlu diperbaiki.

Downloads

Download data is not yet available.

References

H. K. Gunawan et al., “Perancangan Buku Ilustrasi Edukatif Upaya Pelestarian Ikan Hiu,” pp. 1–10, 2015.

J. Jenrette, Z. Y.-C. Liu, P. Chimote, T. Hastie, E. Fox, and F. Ferretti, “Shark detection and classification with machine learning,” Ecol. Inform., vol. 69, p. 101673, Jul. 2022, doi: 10.1016/j.ecoinf.2022.101673.

N. K. Dulvy et al., “Overfishing drives over one-third of all sharks and rays toward a global extinction crisis,” Curr. Biol., vol. 31, no. 21, pp. 4773-4787.e8, 2021, doi: 10.1016/j.cub.2021.08.062.

J. K. Baum and W. Blanchard, “Inferring shark population trends from generalized linear mixed models of pelagic longline catch and effort data,” Fish. Res., vol. 102, no. 3, pp. 229–239, 2010, doi: 10.1016/j.fishres.2009.11.006.

D. Marcella and S. Devella, “Klasifikasi penyakit mata menggunakan Convolutional Neural Network dengan arsitektur VGG-19,” J. Algoritm., vol. 3, no. 1, pp. 60–70, 2022.

[F. N. Cahya, N. Hardi, D. Riana, and S. Hadianti, “Klasifikasi Penyakit Mata Menggunakan Convolutional Neural Network ( CNN ),” vol. 10, pp. 618–626, 2021.

K. He, X. Zhang, S. Ren, and J. Sun, “Deep residual learning for image recognition,” Proc. IEEE Comput. Soc. Conf. Comput. Vis. Pattern Recognit., vol. 2016-Decem, pp. 770–778, 2016, doi: 10.1109/CVPR.2016.90.

L. Fei-Fei, J. Deng, and K. Li, “ImageNet: Constructing a large-scale image database,” J. Vis., vol. 9, no. 8, pp. 1037–1037, 2010, doi: 10.1167/9.8.1037.

M. Thomas, B. Martin, K. Kowarski, B. Gaudet, and S. Matwin, “Marine Mammal Species Classification Using Convolutional Neural Networks and a Novel Acoustic Representation,” Lect. Notes Comput. Sci. (including Subser. Lect. Notes Artif. Intell. Lect. Notes Bioinformatics), vol. 11908 LNAI, pp. 290–305, 2020, doi: 10.1007/978-3-030-46133-1_18.

E. Satria Maheswara, A. B. Zuhri, and D. Iskandar Maulana, “Optimation Image Classification Pada Ikan Hiu Dengan Metode Convolutional Neural Network Dan Data Augmentasi,” J. Tika, vol. 7, no. 1, pp. 1–11, 2022, doi: 10.51179/tika.v7i1.993.

A. Saleh, I. H. Laradji, D. A. Konovalov, M. Bradley, D. Vazquez, and M. Sheaves, “A realistic fish-habitat dataset to evaluate algorithms for underwater visual analysis,” Sci. Rep., vol. 10, no. 1, pp. 1–10, 2020, doi: 10.1038/s41598-020-71639-x.

R. Prabowo, A. Afifah, and azzah Roudhoh, “Klasifikasi Image Tumbuhan Obat Sirih dan Binahong Menggunakan Metode Convolutional Neural Network (CNN),” J. Komputasi, vol. 10, no. 2, pp. 48–54, 2022, doi: 10.23960/komputasi.v10i2.3178.

I. E. Hendarawan, “Vehicle Tire Crack Classification Using ResNet50 Architecture,” SATIN - Sains dan Teknol. Inf., vol. 9, no. 1, 2022, doi: 10.33372/stn.v9i1.902.

Ulfah Nur Oktaviana, Ricky Hendrawan, Alfian Dwi Khoirul Annas, and Galih Wasis Wicaksono, “Klasifikasi Penyakit Padi berdasarkan Citra Daun Menggunakan Model Terlatih Resnet101,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 5, no. 6, pp. 1216–1222, 2021, doi: 10.29207/resti.v5i6.3607.