Pengenalan Spesies Ikan Berdasarkan Kontur Otolith Menggunakan Convolutional Neural Network

Abstract

Hasil sensus kehidupan laut pada tahun 2013 di seluruh dunia terdapat lebih dari 23.000 spesies dan masih banyak sekali spesies ikan yang belum diidentifikasi. Otolith merupakan organ yang sangat penting di belakang telinga ikan, karena melalui otolith ini dapat diketahui jenis ikan, pertumbuhan dan lingkungan, serta sejarah kehidupannya,  misalnya, umur, reproduksi, dan migrasi. Dengan semakin  canggihnya komputer dan pengolahan di bidang citra,  diharapkan  kemampuan  mengidentifikasi jenis  ikan  yang dimiliki oleh manusia bisa diadopsi  dan diterapkan pada perangkat komputer. Deep Learning saat ini semakin berkembang memanfaatkan sumber daya perangkat keras yang semakin canggih termasuk penggunaan GPU (Graphical Processing Unit) untuk perhitungan proses komputasi dengan akurasi yang lebih baik dan proses yang lebih cepat. Pada penelitian ini metode yang diusulkan, untuk keperluan klasifikasi ikan menggunakan metode Convolutional Neural Network dengan teknik Transfer Learning dari model Alexnet dan optimasi Momentum Stochastic Gradient Descent. Hasil eksperimen diperoleh akurasi sebesar 95.4% lebih tinggi dibanding metode Discriminant Analysis yang memiliki akurasi sebesar 92%.