Alat Penghitung Benih Ikan Berbasis Kecerdasan Buatan

Abstract

Konsumsi ikan yang tinggi di Indonesia mendorong pertumbuhan usaha budidaya ikan, di mana pembenihan ikan menjadi langkah awal yang sangat penting. Namun, metode manual dalam menghitung benih ikan sering kali tidak efisien dan memakan waktu. Penelitian ini bertujuan untuk mengatasi masalah tersebut dengan mengembangkan sistem penghitung benih ikan otomatis yang memanfaatkan teknologi computer vision berbasis kecerdasan buatan. Penelitian ini adalah kelanjutan dari kegiatan Project-Based Learning (PBL) di Politeknik Negeri Batam, dengan fokus pada perbaikan akurasi dan kualitas model deteksi. Dalam penelitian ini, metode object detection diterapkan menggunakan Convolutional Neural Network (CNN) dengan arsitektur Single Shot MultiBox Detector (SSD) MobileDet. Sistem ini dirancang untuk mendeteksi benih ikan dalam gambar dengan memanfaatkan pemrosesan citra yang memperhitungkan pengaruh warna air dan pencahayaan. Evaluasi model menunjukkan peningkatan performa yang signifikan dalam parameter yang tersedia melalui tensorboard seperti Mean Average Precision (mAP), Learning Rate, dan Total Loss selama proses pelatihan. Pengujian dilakukan dalam wadah transparan berwarna putih dengan air jernih untuk meningkatkan kualitas deteksi. Meskipun model yang dilatih hanya dengan menggunakan laptop dengan bantuan CPU, penelitian ini menunjukkan hasil yang cukup baik. Namun terdapat penurunan kemampuan deteksi ikan pada jarak 40-50 cm dengan skala rata-rata deteksi antara 3 dari 10. Faktor-faktor yang mempengaruhi deteksi termasuk batasan dataset yang terbatas pada jarak pelatihan, kondisi pencahayaan, dan keterbatasan sumber daya pelatihan. Penelitian ini menyimpulkan bahwa untuk mengoptimalkan deteksi benih ikan dengan computer vision, diperlukan peningkatan variasi dan kualitas dataset serta penggunaan sumber daya pelatihan yang lebih memadai.