Siregar, Fathurrahman (2026) DETEKSI KESEHATAN UDANG VANNAMEI BERDASARKAN CITRA VIDEO MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN). S1 thesis, Universitas Malikussaleh.

	Text Cover.pdf Download (34kB)
	Text Abstrak.pdf Download (11kB)
	Text BAB I.pdf Download (194kB)
	Text Daftar Pustaka.pdf Download (136kB)
	Text Full-text.pdf Restricted to Registered users only Download (3MB)

Abstract

Udang vannamei (Litopenaeus vannamei) merupakan komoditas akuakultur bernilai tinggi yang memberikan kontribusi signifikan terhadap sektor perikanan. Namun, kegiatan budidaya udang memiliki risiko tinggi terhadap serangan penyakit yang dapat menyebabkan kematian massal serta kerugian ekonomi yang besar. Metode deteksi kesehatan secara konvensional masih bergantung pada pengamatan manual yang bersifat subjektif, kurang efisien, serta membutuhkan keahlian khusus. Oleh karena itu, penelitian ini menggunakan model YOLOv8 berbasis Convolutional Neural Network (CNN) untuk mendeteksi kondisi kesehatan udang vannamei. Dataset yang digunakan terdiri atas 2.000 citra yang diperoleh dari ekstraksi frame video udang vannamei dan dikategorikan ke dalam kelas sehat dan tidak sehat. Metodologi penelitian meliputi tahap preprocessing data, augmentasi, pelatihan model, serta evaluasi menggunakan metrik kinerja seperti precision, recall, dan mean Average Precision (mAP). Model yang telah dilatih kemudian diimplementasikan dalam sistem berbasis web menggunakan framework FastAPI dan library OpenCV yang mampu melakukan inferensi secara real-time, sementara proses pelatihan dan evaluasi model dilakukan secara offline. Berdasarkan hasil pengujian, model memperoleh nilai mAP@0.5 sebesar 43%, yang menunjukkan bahwa model telah mampu melakukan deteksi kondisi kesehatan udang secara otomatis meskipun performanya masih belum optimal. Hasil precision dan recall menunjukkan bahwa model mampu mengenali objek dengan cukup baik, namun masih terdapat beberapa kesalahan deteksi yang dipengaruhi oleh kondisi lingkungan bawah air, pencahayaan yang tidak stabil, serta kemiripan karakteristik visual antara udang sehat dan tidak sehat. Meskipun demikian, sistem yang dikembangkan berhasil melakukan deteksi secara real-time dan memiliki potensi untuk dikembangkan lebih lanjut sebagai sistem monitoring kesehatan udang berbasis kecerdasan buatan dalam mendukung budidaya akuakultur yang lebih efisien dan berkelanjutan. Kata kunci: Udang Vannamei, Deteksi Kesehatan, Convolutional Neural Network, Citra Video, Deep Learning

Item Type:	Thesis (S1)
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software T Technology > T Technology (General)
Divisions:	Fakultas Teknik > 55201 - Jurusan Teknik Informatika
Depositing User:	FATHURRAHMAN SIREGAR
Date Deposited:	03 Sep 2026 04:41
Last Modified:	03 Sep 2026 04:41
URI:	https://rama.unimal.ac.id/id/eprint/22236

Actions (login required)

View Item