MAULANA, BAYU and Hayaty, Nurul and Nurfalinda, Nurfalinda (2024) KLASIFIKASI IKAN TUNA, CAKALANG, DAN TONGKOL MENGGUNAKAN NAIVE BAYES, GRAY LEVEL CO-OCCURRENCE MATRIX, COMPACTNESS, DAN CIRCULARITY. S1 thesis, Universitas Maritim Raja Ali Haji.

	Text (Cover) BAYU_MAULANA_190155201018_Teknik_Informatika - Cover.pdf - Published Version Download (841kB)
	Text (Abstrak) BAYU_MAULANA_190155201018_Teknik_Informatika - Abstrak.pdf - Published Version Download (357kB)
	Text (BAB I) BAYU_MAULANA_190155201018_Teknik_Informatika - BAB I.pdf - Published Version Download (349kB)
	Text (Daftar Pustaka) BAYU_MAULANA_190155201018_Teknik_Informatika - Daftar Pustaka.pdf - Published Version Download (356kB)
	Text (Full Teks) BAYU_MAULANA_190155201018_Teknik_Informatika-Full Teks.pdf - Published Version Restricted to Repository staff only Download (1MB) | Request a copy

Abstract

Sumber daya laut Indonesia yang melimpah mendukung mata pencaharian masyarakat pesisir, terutama nelayan yang turun temurun mengandalkan hasil tangkapan laut. Tuna, Cakalang, dan Tongkol memiliki peran ekonomi penting dalam sektor perikanan Indonesia dan berkontribusi signifikan terhadap produksi ikan global. Penelitian ini mengembangkan sistem klasifikasi menggunakan metode Naïve Bayes dan ekstraksi fitur citra digital. Ekstraksi fitur mencakup GLCM, compactness, dan circularity. Dari pelatihan dengan 40 data latih per kelas, diperoleh presisi Tuna 0.75, Cakalang 0.39, dan Tongkol 1.00. Evaluasi model menunjukkan recall Tuna 0.88, Cakalang 0.20, dan Tongkol 0.50. F1-Score untuk Tuna 0.54, Cakalang 0.33, dan Tongkol 0.60. Meskipun perlu perbaikan pada identifikasi Cakalang, penelitian ini berpotensi mendukung pengembangan sistem identifikasi ikan otomatis di sektor perikanan Indonesia, memberikan manfaat bagi nelayan dan keberlanjutan sumber daya laut. Hasil uji dengan menggunakan 30 data dengan tiga kali pengujian menunjukkan bahwa model klasifikasi ini mampu mencapai akurasi keseluruhan sebesar 80%. Meskipun terdapat kebutuhan perbaikan pada identifikasi spesies Cakalang, penelitian ini memberikan sumbangan positif terhadap pengembangan sistem identifikasi ikan secara otomatis di sektor perikanan Indonesia. Implikasi penelitian ini dapat memberikan dukungan penting bagi nelayan dalam mengoptimalkan tangkapan laut mereka serta mendukung keberlanjutan sumber daya laut di Indonesia.

Actions (login required)

View Item