Identifikasi jenis kawanan (Schooling) ikan dengan artificial neural network
View/ Open
Date
2003Author
Sriyasa, Wayan
Jaya, Indra
Hestirianoto, Totok
Metadata
Show full item recordAbstract
Artifical Neural Network (jaringan saraf tiruan) dikembangkan cari proses sistem jaringan syaraf biologi di dalam otak. Artificial Neural Network (ANN) yang digunakan terdiri dari tiga lapisan, yaitu lapisan input, satu lapisan hidden dan lapisan output. Data input yang diberikan pada input layer terdiri atas area, perimeter, tinggi, panjang, elongation, ciercularity, rectangular, fractal dimension. Sebagai output jaringan adalah hasil identifikasi kawanan Lemuru.
Sistem yang dikembangkan dalam identifikasi jenis kawanan ikan Fada echogram dengan mengggunakan image processing dan Artificial Neural Network adalah berupa aplikasi yang bekerja pada platform Microsoft Windows. Program ini didesain dengan beberapa modul utama antara lain modul untuk meghitung deskriptor dan modul untuk komputasi Artificial Neural Network. Modul-modul ini diintegrasikan kedalam menu-menu yang dikelompokkan berdasarkan fungsinya masing- nasing.
Data yang dipakai dalam training/pelatihan jaringan adalah data ceskriptor kawanan ikan yang terdiri dari 40 unit data, data ini terbagi kedalam dua bagian antara lain data yang teridentifikasi sebagai kawanan ikan sebanyak 22 unit dan data yang teridentifikasi kukan kawanan ikan sebanyak 18 unit.
Jaringan ANN dilatih dengan konstanta logistik sigmoid serta tiga nilai learning rate yang berbeda. Pemberian nilai 1 Learning rate yang berbeda bertujuan untuk memperoleh nilai sigma error yang terkecil. Jumlah kawanan yang dipakai untuk validasi adalah sebanyak 30 buah set data. Dari jumlah tersebut yang teridentifikasi sebagai kawanan ikan lemuru adalah sebanyak 19 buah set data dan sisanya 11 buah set data adalah bukan kawanan ikan Cemuru.
Tingkat akurasi yang diperoleh pada saat training untuk ke-tiga embelajaran tersebut adalah sebesar 100% sedangkan akurasi pendugaan ada saat validasi jaringan diperoleh bahwa ANN dengan konstanta Learning rate yang rendah akan menghasilkan pendugaan yang lebih kurat (± 70%) namun waktu yang diperlukan untuk pelatihan relatif
Iama.