Skripsi

Perbandingan Convolutional Neural Network Dan K-Nearest Neighbor Untuk Klasifikasi Jenis Ikan Laut Pulau Sarappo

---

ABSTRAK

MAYA INDIRA PUTRI LARASATI. Perbandingan Convolutional Neural Network (CNN) dan K-Nearest Neighbor (KNN) untuk Klasifikasi Jenis Ikan Laut Pulau Sarappo (dibimbing oleh Muhajirin dan Khaidir Rahman Nasir).

Saat ini proses identifikasi jenis ikan laut di Pulau Sarappo masih dilakukan secara manual berdasarkan pengamatan visual yang bergantung pada pengalaman individu. Cara ini berpotensi menimbulkan kesalahan dalam klasifikasi, terutama pada ikan dengan kemiripan morfologi yang tinggi. Penelitian ini bertujuan untuk membandingkan kinerja metode Convolutional Neural Network (CNN) dan K-Nearest Neighbor (KNN) dalam klasifikasi citra lima jenis ikan laut, yaitu ikan Sunu, Baronang, Kaneke, Buna, dan Kakap, serta menentukan metode yang paling efektif berdasarkan hasil evaluasi. Data penelitian diperoleh melalui pengumpulan citra digital ikan di wilayah Pulau Sarappo. Metode yang digunakan dalam pengembangan sistem dalam
penelitian ini adalah dengan menggunakan pendekatan kuantitatif eksperimental dengan memanfaatkan dataset citra digital ikan yang diolah melalui tahap preprocessing, meliputi resize, normalisasi, augmentasi, dan pembagian data training serta testing. Hasil penelitian menunjukkan bahwa metode CNN memiliki performa yang lebih baik dibandingkan KNN pada
sebagian besar kelas ikan. CNN memperoleh accuracy rata-rata hingga 0,96, sedangkan KNN memperoleh accuracy rata-rata hingga 0,94 namun dengan performa yang lebih bervariasi antar kelas. CNN lebih unggul dalam mengenali pola visual kompleks seperti bentuk, warna, dan tekstur ikan, sehingga menghasilkan klasifikasi yang lebih stabil dan konsisten.Berdasarkan hasil
tersebut dapat disimpulkan bahwa metode CNN lebih efektif dibandingkan KNN dalam klasifikasi citra ikan laut Pulau Sarappo.

Kata kunci: Convolutional Neural Network, K-Nearest Neighbor, klasifikasi citra, ikan laut, deep learning, machine learning.

---

Ketersediaan

Informasi Detail

Judul Seri

-

No. Panggil

SKR MAY p

Penerbit

Makassar : UNITAMA., 2026

Deskripsi Fisik

xiv + 61 hlm., 28,5 cm

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

REF MAY p

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

Pembimbing I: Muhajirin dan Pembimbing II: Khaidir Rahman Nasir Penguji: Febri Hidayat Saputra, Rosihan Aminuddin dan Ramlah. P

Pernyataan Tanggungjawab

-

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar