KLASIFIKASI IMAGE JENIS UBUR UBUR MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN)

Wildan Mufti Ma’arif; Ramadhani Akbaru Rizqi; Dwi Rolliawati

doi:10.52060/jipti.v6i1.2632

Wildan Mufti Ma’arif ( Universtias Islam Negeri Sunan Ampel Surabaya )

Ramadhani Akbaru Rizqi ( Universtias Islam Negeri Sunan Ampel Surabaya )

Dwi Rolliawati ( Universtias Islam Negeri Sunan Ampel Surabaya )

DOI: https://doi.org/10.52060/jipti.v6i1.2632

Abstrak

Penelitian ini bertujuan untuk mengklasifikasikan spesies ubur-ubur berdasarkan citra visual menggunakan metode Convolutional Neural Network (CNN). Tantangan utama yang dihadapi adalah kemiripan morfologi antarspesies yang membuat identifikasi manual rentan terhadap kesalahan. Metode penelitian ini menggunakan dataset gambar dari enam jenis ubur-ubur, yaitu Moon Jellyfish, Blue Jellyfish, Mauve Stinger Jellyfish, Compass Jellyfish, Barrel Jellyfish, dan Lion's Mane Jellyfish. Dataset tersebut diproses melalui teknik preprocessing meliputi normalisasi, penyesuaian dimensi, dan augmentasi citra.Model CNN yang dirancang terdiri dari lapisan konvolusi dan pooling untuk mengenali pola visual kompleks. Pengujian model dilakukan menggunakan dataset validasi dan uji, yang menghasilkan akurasi klasifikasi lebih dari 90%. Hasil ini menunjukkan efektivitas metode CNN dalam mengatasi tantangan identifikasi spesies laut secara otomatis. Penelitian ini diharapkan dapat berkontribusi pada konservasi keanekaragaman hayati laut dan mendukung pengembangan teknologi berbasis AI untuk pengelolaan ekosistem laut. Implikasinya mencakup penerapan yang lebih luas dalam identifikasi spesies laut dan pelestarian lingkungan.

Referensi

Agung, A., Daniswara, A., Kadek, I., & Nuryana, D. (2023). Data Preprocessing Pola Pada Penilaian Mahasiswa Program Profesi Guru. Journal of Informatics and Computer Science, 05, 97–100. https://doi.org/10.26740/jinacs.v5n01.p97-100

Azmi, K., Defit, S., & Putra Indonesia YPTK Padang Jl Raya Lubuk Begalung-Padang-Sumatera Barat, U. (2023). Implementasi Convolutional Neural Network (CNN) Untuk Klasifikasi Batik Tanah Liat Sumatera Barat. 16(1), 2023. https://doi.org/10.52072/unitek.v16i1.504

Azzahra Nasution, D., Khotimah, H. H., & Chamidah, N. (2019). PERBANDINGAN NORMALISASI DATA UNTUK KLASIFIKASI WINE MENGGUNAKAN ALGORITMA K-NN (Vol. 4, Issue 1). https://doi.org/10.24114/cess.v4i1.11458

Emmert-Streib, F., & Dehmer, M. (2019). Evaluation of Regression Models: Model Assessment, Model Selection and Generalization Error. In Machine Learning and Knowledge Extraction (Vol. 1, Issue 1, pp. 521–551). MDPI. https://doi.org/10.3390/make1010032

Esteva, A., Kuprel, B., Novoa, R. A., Ko, J., Swetter, S. M., Blau, H. M., & Thrun, S. (2017). Dermatologist-level classification of skin cancer with deep neural networks. Nature, 542(7639), 115–118. https://doi.org/10.1038/nature21056

Iskandar Mulyana, D., Ainur Rofik, M., & Ohan Zoharuddin Zakaria, M. (2022). Klasifikasi Kendaraan pada Jalan Raya menggunakan Algoritma Convolutional Neural Network (CNN). https://doi.org/10.31004/jptam.v6i1.3179

Rahman, M. F., Ilham Darmawidjadja, M., & Alamsah, D. (2017). KLASIFIKASI UNTUK DIAGNOSA DIABETES MENGGUNAKAN METODE BAYESIAN REGULARIZATION NEURAL NETWORK (RBNN) (Vol. 11). https://doi.org/10.26555/jifo.v11i1.a5452

Raschka, S. (2018). Model Evaluation, Model Selection, and Algorithm Selection in Machine Learning. https://doi.org/10.48550/arXiv.1811.12808

Keywords	:	Kata Kunci: Convolutional Neural Networks, Deep Learning, Jellyfish Classification : Convolutional Neural Network; Deep Learning; Klasifikasi Ubur-Ubur.
Galleys	:	Pdf
Diterbitkan	:	2025-04-01
Cara Mengutip	:
Terbitan	:	Vol 6 No 1 (2025): Jurnal Inovasi Pendidikan dan Teknologi Informasi (JIPTI) Bagian Articles