B. R. I. Y. R. Mehindra Prasmatio, Deteksi Pengenalan Ikan Menggunakan Algoritma Convolutional Neural Network, 2020.
A. N. A. C. U. K. Enie Yuliani, Perbandingan jumlah Epoch dan Steps per Epoch pada Convolutional Neural Network untuk meningkatkan akurasi, 2019.
D. A. S. Sashmita Anggeli, IMPLEMENTASI DEEP LEARNING MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK DAN MULTIMEDIA DEVELOPMENT LIFE CYCLE PADA APLIKASI PENGENALAN JENIS IKAN HIAS BERBASIS ANDROID, Universitas Gunadarma, 2021.
B. S. Mochamad Taufik Ali SA, Implementasi Convolutional Neural Network (CNN) untuk Klasifikasi Ikan Cupang Berbasis Mobile, Universitas SanggaBuana YPKP Bandung, 2023.
M. F. A. M. A. T. M. A. S. Shandy Sadewa Asmoro, Rancang Bangun Aplikasi Mobile Untuk Klasifikasi Jenis Ikan Koi, Universitas Nusantara PGRI Kediri., 2024.
B. R. B. N. Surya Adi Laksono, IDENTIFIKASI JENIS IKAN CUPANG BERDASARKAN GAMBAR MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK, Universitas Pembangunan Nasional “Veteran” Jawa Timur, 2024.
R. K. N. P. K. Nazil Rizqi Hanggara, Penerapan Content Based Image Retrieval Untuk Pengenalan Jenis Ikan Koi, Universitas Nusantara PGRI Kediri, 2021.
B. R. A. N. S. Nizar Abdurrahman, Perbandingan Performa Klasifikasi Citra Ikan Menggunakan Metode K-Nearest Neighbor (K-NN) Dan Convolutional Neural Network (CNN), Universitas Pembangunan Nasional “Veteran” Jawa Timur, Indonesia, 2023.
A. A. P. R. A. J. S. M. R. W. Rizky Parlika, Perancangan Sistem Informasi Jual Beli Ikan Cupang Berbasis Website, Universitas Pembangunan Nasional “Veteran” Jawa Timur, 2021.
I. S. I E Hasym, Klasifikasi Jenis Ikan Cupang Menggunakan Algoritma Principal Component Analysis (PCA) Dan K-Nearest Neighbors (KNN), Universitas Mercu Buana Yogyakarta, 2021.
I. A. E. Z. A. P. W. G. Y. K. S. P. D. Arya Tandy Hermawan, Pengenalan Varietas Ikan Koi Berdasarkan Foto Menggunakan Simple Linear Iterative Clustering Superpixel Segmentation dan Convolutional Neural, Universitas Negeri Malang, Jl. Semarang No. 5 Malang, Jawa Timur, Indonesia, 2021.
M. F. Harry Samara, IMPLEMENTASI TEKNOLOGI IMAGE PROCESSING UNTUK IDENTIFIKASI PENGUKURAN BOBOT IKAN HIAS DALAM PENENTUAN JUMLAH PAKAN, Politeknik Manufaktur Negeri Bangka Belitung, 2024.
B. R. A. N. S. Nizar Abdurrahman, Perbandingan Performa Klasifikasi Citra Ikan Menggunakan Metode K-Nearest Neighbor (K-NN) Dan Convolutional Neural Network (CNN), Universitas Pembangunan Nasional “Veteran” Jawa Timur, Indonesia, 2023.
Rome, The State of World Fisheries and Aquaculture, 2020.
F. Chollet, Deep Learning with Python, United States of America, 2018.
K. S. &. A. Zisserman, VERY DEEP CONVOLUTIONAL NETWORKS, University of Oxford, 2015.
,. B. R.-K. F. P. B. Thomas KLUYVERa, Jupyter Notebooks—a publishing format, University of Southampton, UK, 2016.
G. B. a. A. Kaehler, Learning OpenCV, United States of America, 2008.
A. Géron, Machine Learning con Scikit-Learn Keras y TensorFlow, 2012.
P. Kwang Gi Kim, Deep Learning, Goyang, Korea, 2016.
D. POWERS, EVALUATION: FROM PRECISION, RECALL AND F-MEASURE TO ROC,, South Australia, Australia, 2013.
I. S. G. E. H. Alex Krizhevsky, ImageNet Classification with Deep Convolutional, University of Toronto, 2013.
M. H. A. A. E. S. Musab Iqtait1, Enhanced Fish Species Detection and Classification, Universiti Sains Malaysia, Gelugor, Malaysia, 2024.
R. A. Yuni Marliza 1, Rancang Bangun Sistem Pemberian Pakan Ikan Secara Otomatis Berdasarkan Perilaku Ikan Menggunakan Kamera Berbasis Mini PC, Kota Padang, Sumatera Barat, 2021.
K. H. X. Z. S. R. J. Sun, Deep Residual Learning for Image Recognition, 2015.
S. J. D. S. I. Dhruv Rathi, Underwater Fish Species Classification using Convolutional Neural Network and Deep Learning, Delhi Technological University, New Delhi, India, 2016.
- Abstract viewed - 16 times
- PDF downloaded - 10 times
Affiliations
Fitra Marshanda
Universitas Bina Insan
Budi Santoso
Universitas Bina Insan
Armanto Armanto
Universitas Bina Insan
Klasifikasi Jenis Ikan Guppy Menggunakan Convolutional Neural Network (CNN)
Proceedings Economic, Social Science, Computer, Agriculture and Fisheries (ESCAF) 4th 2025
Submitted: Jan 31, 2025
Abstract
This study aims too classify Guppy fish species using a Convolutional Neural Network (CNN) approach based on the pretrained VGG16 model. The dataset consists of Guppy fish images divided into training and validation sets. Data augmentation techniques, including rotation, shifting, zooming, and horizontal flipping, were applied to enhance the model’s generalization capabilities. The base layers of VGG16 were frozen during training to retain the pretrained weights from ImagNet. Evaluation results demonstrated high accuracy on both training dan validation data, supported by a Cofusion Matrix that illustrates the classification performance across various classes.