SISTEM PERHITUNGAN OTOMATIS BIBIT IKAN NILA MENGGUNAKAN METODE YOLO (YOU ONLY LOOK ONCE) = AUTOMATIC CALCULATION SYSTEM OF TILAPIA FINGERLINGS USING YOLO METHOD (YOU ONLY LOOK ONCE)


MAQBUL, ANDI SHIRAT (2025) SISTEM PERHITUNGAN OTOMATIS BIBIT IKAN NILA MENGGUNAKAN METODE YOLO (YOU ONLY LOOK ONCE) = AUTOMATIC CALCULATION SYSTEM OF TILAPIA FINGERLINGS USING YOLO METHOD (YOU ONLY LOOK ONCE). Skripsi thesis, Universitas Hasanuddin.

[thumbnail of COVER]
Preview
Image (COVER)
D121201039-SKRIPSI-COVER.jpg

Download (253kB) | Preview
[thumbnail of BAB 1-2] Text (BAB 1-2)
D121201039-SKRIPSI-BAB 1-2.pdf

Download (1MB)
[thumbnail of DAPUS] Text (DAPUS)
D121201039-SKRIPSI-DAPUS.pdf

Download (205kB)
[thumbnail of FULL TEXT] Text (FULL TEXT)
D121201039-SKRIPSI-FULL TEXT.pdf
Restricted to Repository staff only until 15 January 2027.

Download (4MB)

Abstract (Abstrak)

Salah satu masalah utama dalam budidaya ikan nila adalah perhitungan manual bibit ikan yang memakan waktu dan rawan kesalahan, terutama saat ikan bergerak dan bertumpang tindih. Penelitian ini bertujuan untuk mengembangkan sistem perhitungan otomatis bibit ikan nila menggunakan metode YOLOv10 yang mampu mendeteksi dan menghitung ikan secara akurat. Metode eksperimen dilakukan dengan mengumpulkan dan melabeli data video bibit ikan, yang kemudian dilatih menggunakan variasi epoch dan batch size. Model yang dihasilkan diuji pada 9 video dengan jumlah ikan yang bervariasi. Kinerja dievaluasi menggunakan metrik mAP50, mAP50-95, dan RMSE untuk menilai akurasi deteksi dan perhitungan. Hasil pelatihan menunjukkan bahwa model dengan batch size 8 dan epoch 200 mencapai mAP50 tertinggi sebesar 96.3% pada data pelatihan, serta nilai mAP50-95 sebesar 55.1%. Namun, model tersebut mengalami overfitting pada data pengujian, meskipun tetap mencapai mAP50-95 tertinggi sebesar 53.7%. Sebaliknya, model dengan epoch 50 dan batch size 4 menunjukkan performa yang lebih stabil, terutama dalam mendeteksi objek bertumpang tindih, dengan mAP50 sebesar 94.6%, mAP50-95 yang tidak disebutkan secara eksplisit, dan RMSE sebesar 1.51. Dengan demikian, sistem ini efektif dan akurat untuk mendeteksi serta menghitung ikan dalam skenario yang kompleks, menjadikannya solusi potensial untuk otomatisasi perhitungan bibit ikan di industri perikanan.

Item Type: Thesis (Skripsi)
Uncontrolled Keywords: Yolov10, Bibit Ikan NIla, 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: 05 Mar 2026 02:29
Last Modified: 05 Mar 2026 02:29
URI: http://repository.unhas.ac.id:443/id/eprint/54380

Actions (login required)

View Item
View Item