Implementasi Kecerdasan Buatan Logika Fuzzy Pada Sistem Computer Vision Untuk Proses Deteksi Ukuran Ikan
Keywords:
computer vision, deteksi ikan, ukuran ikan, kecerdasan buatan, Logika FuzzyAbstract
Computer vision adalah teknologi yang memungkinkan komputer untuk mengenali dan memahami objek di sekitarnya sebagaimana penglihatan manusia. Teknologi ini telah berkembang pesat dan diterapkan dalam berbagai bidang, termasuk pengolahan citra digital. Salah satu aplikasi potensial dari teknologi ini adalah dalam bidang pengolahan ikan, khususnya untuk penyortiran ikan berdasarkan ukurannya. Umumnya, proses penyortiran dilakukan secara manual, di mana manusia menggunakan pengamatan visual untuk mengelompokkan ikan ke dalam kategori kecil, sedang, dan besar. Penelitian sebelumnya telah mengadopsi konsep pengamatan ini dengan menerapkan teknologi computer vision untuk mendeteksi ukuran ikan dan mengelompokkan ikan berdasarkan hasil deteksi tersebut, menggunakan ikan bandeng sebagai objek penelitian. Sistem tersebut mencapai akurasi deteksi sebesar 91,78%, dengan kemungkinan penurunan akurasi disebabkan oleh proses konversi dari nilai piksel ke ukuran dalam centimeter. Pada penelitian ini, dilakukan pengembangan dengan mengintegrasikan kecerdasan buatan metode logika fuzzy ke dalam sistem computer vision untuk memperbaiki akurasi dalam mendeteksi ukuran ikan. Dengan penggunaan kecerdasan buatan logika fuzzy, sistem dapat memproses data ukuran dengan lebih halus dan adaptif. Hasil penelitian menunjukkan bahwa akurasi deteksi ukuran ikan menunjukkan peningkatan yang signifikan dibandingkan penelitian sebelumnya. Metode ini diharapkan dapat diterapkan secara luas untuk meningkatkan efisiensi dan konsistensi dalam proses penyortiran ikan.
References
Amrullah, S.A. (2017) Perancangan Sistem Inspeksi Visual Berbasis Computer Vision Untuk Penggolongan Buah Apel. Surabaya: Institut Teknologi Sepuluh Nopember.
Anggraeny, F.T., Rahmat, B. and Pratama, S.P. (2020) ‘Deteksi Ikan Dengan Menggunakan Algoritma Histogram of Oriented Gradients’, Informatika Mulawarman : Jurnal Ilmiah Ilmu Komputer, 15(2), p. 114. Available at: https://doi.org/10.30872/jim.v15i2.4648.
Hartono, R.W.T. et al. (2018) ‘Implementasi Algoritma Canny Edge Detection untuk Identifikasi Panjang dan Berat Ikan Koi Saat Bergerak’, pp. 35–44.
Islamadina, R. et al. (2018) Pengukuran Badan Ikan Berupa Estimasi Panjang, Lebar, dan Tinggi Berdasarkan Visual Capture, Jl. Tengku Syech Abdul Rauf.
Muttaqin, H.F. and W, A.R.I.P.W. (2018) ‘Innovation Computer Vision Technology With Internet Of Things ( Iot ) For Support Entrepreneurs In Fishery Sector’, JUMANJI, 2(2), pp. 40–49. Available at: https://doi.org/https://doi.org/10.26874/jumanji.v2i2.39.
Nasution, H. (2012) ‘Implementasi Logika Fuzzy pada Sistem Kecerdasan Buatan’, Jurnal ELKHA, 4(2), pp. 4–8.
Rakhmat Kurniawan. R (2020) Kecerdasan Buatan ( Artificial Intelligence ) Edisi Revisi I Oleh : Rakhmat Kurniawan . R , S . T ., M . Kom Fakultas Sains Dan Teknologi. UIN Sumatera Utara medan.
SNI (2013) ‘SNI 6148.1:2013 Ikan bandeng (Chanos chanos, Forskal) – Bagian 1: Induk’, in Ikan Bandeng (Chanos chanos, Forskal) – Bagian 1: Induk ICS. 1st edn. Jakarta: BSN, pp. 1–6. Available at: www.bsn.go.id.
Subur, J. et al. (2023) Pemanfaatan Teknologi Computer Vision untuk Deteksi Ukuran Ikan Bandeng dalam Membantu Proses Sortir Ikan, Jurnal CYCLOTRON, Volume 7, Nomor 1, Januari 2024, Universitas Muhammadiyah Surabaya.
Downloads
Published
How to Cite
Issue
Section
License
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
