SAPUTRA, VINANDRA ADAM and Nola, Ritha and Marisha, Pertiwi (2025) IMPLEMENTASI METODE CAPSULE NETWORK (CAPSNET) UNTUK IDENTIFIKASI KESEGARAN CUMI-CUMI. S1 thesis, Universitas Maritim Raja Ali Haji.

	Text (Cover) VINANDRA_ADAM_SAPUTRA_2101020106_Teknik Informatika - Cover.pdf - Published Version Download (637kB)
	Text (Abstrak) VINANDRA_ADAM_SAPUTRA_2101020106_Teknik Informatika - Abstrak.pdf - Published Version Download (222kB)
	Text (BAB I) VINANDRA_ADAM_SAPUTRA_2101020106_Teknik Informatika - BAB I.pdf - Published Version Download (205kB)
	Text (Daftar Pustaka) VINANDRA_ADAM_SAPUTRA_2101020106_Teknik Informatika - Daftar Pustaka.pdf - Published Version Download (199kB)
	Text (Full Teks) VINANDRA_ADAM_SAPUTRA_2101020106_Teknik Informatika - Full Teks.pdf - Published Version Restricted to Repository staff only Download (1MB) | Request a copy

Abstract

Cumi-cumi merupakan salah satu komoditas perikanan penting di Indonesia, namun penentuan kesegarannya seringkali masih dilakukan secara manual dan subjektif, yang dapat menyebabkan kesalahan penilaian dan kerugian ekonomi. Penelitian ini bertujuan untuk mengimplementasikan dan mengetahui tingkat akurasi metode Capsule Network (CapsNet) untuk mengidentifikasi kesegaran cumi-cumi secara otomatis berdasarkan citra digital. Penelitian ini menggunakan pendekatan kuantitatif dengan dataset yang dikumpulkan secara mandiri, yang terdiri dari 648 citra cumi-cumi setelah melalui proses augmentasi. Model dilatih untuk mengklasifikasikan dua kelas kesegaran, yaitu “Segar” dan “Tidak Segar”, dengan tambahan kelas “Non Cumi” yang berisi berbagai objek selain cumi-cumi. Tahapan pra-pemrosesan data yang diterapkan seperti labelling, cropping, dan resize menjadi 128x128 piksel. Hasil pengujian menunjukkan performa terbaik dicapai dengan learning rate 1e-05 dan batch size 16, menghasilkan akurasi, presisi, recall, dan F1-score sebesar 91% pada data uji. Lebih lanjut, pada pengujian menggunakan 20 data baru di luar dataset, model mampu mencapai akurasi 80%. Hasil ini membuktikan bahwa model CapsNet memiliki kemampuan generalisasi yang baik dan berpotensi untuk diimplementasikan sebagai alat bantu yang objektif dan akurat bagi industri perikan dalam menjaga kualitas produk cumi-cumi.

Actions (login required)

View Item