PERHITUNGAN OTOMATIS UKURAN UDANG VANAME MENERAPKAN OBJECT DETECTION DENGAN CONVOLUTIONAL NEURAL NETWORK MENGGUNAKAN METODE BIDIRECTIONAL FEATURE PYRAMID NETWORK

Abstract

Penelitian ini menyoroti pentingnya udang sebagai komoditas ekspor yang menjanjikan di Indonesia, negara yang dikenal sebagai salah satu pengekspor udang terbesar di dunia. Fokus khusus diberikan pada udang Vaname, yang menonjol karena nilai gizinya yang tinggi. Studi ini menggunakan metode machine learning Bi-FPN (Bidirectional Feature Pyramid Network) dalam arsitektur EfficientDet, yang efektif dalam meningkatkan representasi hierarki fitur dan mengintegrasikan informasi pada berbagai tingkat resolusi. Hal ini memungkinkan deteksi objek yang efisien pada berbagai ukuran dan tingkat kompleksitas. Dalam uji coba sistem, model yang dibuat berhasil mendeteksi udang berukuran kecil dengan tingkat akurasi sebesar 77,3% dari 178 gambar yang terdiri dari 158 gambar pelatihan dan 20 gambar validasi. Penelitian ini menggunakan kerangka kerja Cross Industry Standard for Data Mining (CRISP-DM) untuk perancangan dan pengembangan sistem data mining. Sistem yang dibangun menggunakan bahasa pemrograman Kotlin berbasis Android, menunjukkan kemajuan signifikan dalam pengembangan aplikasi Android untuk sektor perikanan.