Deteksi Perkembangan Udang Vaname Pada Sistem Bioflok Menggunakan Data Sonar = Detection Of Vannamei Shrimp Growth In Biofloc Systems Through Sonar Data


FITRIYANTO, DWI BAGUS (2025) Deteksi Perkembangan Udang Vaname Pada Sistem Bioflok Menggunakan Data Sonar = Detection Of Vannamei Shrimp Growth In Biofloc Systems Through Sonar Data. Thesis thesis, Universitas Hasanuddin.

[thumbnail of COVER]
Preview
Image (COVER)
D082201011-TESIS-COVER.png

Download (528kB) | Preview
[thumbnail of BAB 1-2] Text (BAB 1-2)
D082201011-TESIS-BAB 1-2.pdf

Download (1MB)
[thumbnail of DAPUS] Text (DAPUS)
D082201011-TESIS-DAPUS.pdf

Download (50kB)
[thumbnail of FULL TEXT] Text (FULL TEXT)
D082201011-TESIS-FULL TEXT.pdf
Restricted to Repository staff only until 31 January 2027.

Download (13MB)

Abstract (Abstrak)

Sistem bioflok dikembangkan untuk dapat meningkatkan produksi udang, meningkatkan efisiensi protein dan pakan. Penggunaan sistem bioflok sebagai salah satu metode pemberian pakan ke udang mengakibatkan warna air pada kolam tambak menjadi berubah. Perubahan warna ini diakibatkan karena pertumbuhan flok yang akan menjadi pakan alami udang. Seiring dengan pertumbuhan flok ini, tingkat kualitas kejernihan air dan jarak pandang visual bawah air yang ada pada kolam akan semakin berkurang sehingga untuk mendeteksi perkembangan benur udang tidak dapat dilakukan secara visual dengan menggunakan kamera. Penelitian ini mengusulkan penggunaan sonar yang menggunakan metode pengamatan secara akustik untuk mendeteksi perkembangan benur udang vanamei untuk dapat membantu petambak dalam memonitor perkembangan udang. Citra sonar yang digunakan yaitu citra singlebeam echosounder yang dianalisis dengan membandingkan tiga algoritma deteksi objek yang berbeda, yaitu CNN, Faster R-CNN, dan YOLOv8. Peningkatan pewarnaan untuk objek target dilakukan dengan Depth Map untuk representasi visual yang menunjukkan kedalaman objek di mana setiap piksel memiliki nilai yang mencerminkan jarak objek. Penelitian ini mengkategorikan objek yang dideteksi menjadi 3 kelas yaitu single shrimp, multiple shrimp, dan shrimp groups. Evaluasi hasil deteksi menggunakan Confusion Matrix dan Mean Average Precision (mAP). Hasil pengujian menunjukkan bahwa kinerja deteksi yang dicapai menggunakan model YOLOv8 lebih baik daripada CNN dan Faster R-CNN

Item Type: Thesis (Thesis)
Uncontrolled Keywords: Akuakultur, Bioflok, Sonar, Pengolahan Citra, Deteksi Objek
Subjects: Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions (Program Studi): Fakultas Teknik > Teknik Informatika
Depositing User: Unnamed user with username pkl2
Date Deposited: 04 Mar 2026 03:05
Last Modified: 04 Mar 2026 03:05
URI: http://repository.unhas.ac.id:443/id/eprint/54328

Actions (login required)

View Item
View Item