Implementasi Convolutional Neural Network (CNN) untuk Klasifikasi Ikan Cupang Berbasis Mobile

Abstract

Ikan Cupang (Betta Fish) merupakan jenis ikan hias air tawar yang banyak disukai oleh berbagai kalangan baik dari anak-anak hingga orang dewasa. Ikan cupang merupakan ikan hias yang mudah dipelihara sehingga perkembangan ikan cupang begitu pesat. Tetapi hingga saat ini belum adanya klasifikasi ikan cupang yang cepat dan mudah digunakan oleh pengguna. Penelitian ini bertujuan untuk mengembangkan perangkat lunak yang dapat memudahkan para penjual dan penggemar ikan hias untuk mendeteksi jenis ikan dengan cepat karena berbasis mobile. Pada penelitian ini digunakan metode Convolutional Neural Network (CNN) dengan menggunakan model VGG16 sebagai metode klasifikasinya. Model VGG16 yang telah dimodifikasi ini bertujuan untuk mengurangi jumlah dari parameter yang tinggi dan membuat model menjadi ringan saat dijalankan. Hasil pengujian menunjukkan bahwa akurasi tertinggi didapat oleh Ikan Cupang Big Ear dengan total akurasi 94,35%. Untuk ikan cupang Nemo mempunyai akurasi 86,24%. Sedangkan ikan cupang Serit dan Halfmoon masing-masing sebesar 84,56 % dan 78,85%. Akurasi terkecil didapatkan oeh Ikan Cupang Bluerim dengan hasil 74,44%.