Zailani, Hanif Yoga (2025) RANCANG BANGUN WEBSITE SISTEM PAKAR DETEKSI PENYAKIT IKAN AIR TAWAR MENGGUNAKAN MACHINE LEARNING. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/text.png) |
Text (COVER-ABSTRAK)
COVER.pdf Download (1MB) |
|
Text (BAB I)
BAB I.pdf Download (280kB) |
|
Text (BAB II)
BAB II.pdf Restricted to Registered users only Download (500kB) |
|
Text (BAB III)
BAB III.pdf Restricted to Registered users only Download (217kB) |
|
Text (BAB IV)
BAB IV.pdf Restricted to Registered users only Download (786kB) |
|
Text (BAB V)
BAB V.pdf Download (91kB) |
|
Text (DAFTAR PUSTAKA-LAMPIRAN)
Daftar Pustaka dan Lampiran.pdf Restricted to Registered users only Download (100kB) |
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/archive.png) |
Archive (SOURCE CODE)
Sourcecode - 21.12.1895.zip Restricted to Repository staff only Download (24MB) |
|
Text (PUBLIKASI)
Publikasi.pdf Restricted to Repository staff only Download (702kB) |
Abstract
Penelitian ini bertujuan untuk merancang dan membangun sebuah website sistem pakar yang mampu mendeteksi penyakit pada ikan air tawar secara otomatis menggunakan teknologi machine learning. Metode yang digunakan dalam penelitian ini adalah transfer learning, yang memungkinkan pemanfaatan model pra-latih untuk mengenali pola visual dari gejala penyakit ikan melalui gambar. Dataset citra ikan yang telah dikurasi dengan baik digunakan untuk melatih model klasifikasi sehingga mampu mengidentifikasi berbagai jenis penyakit secara akurat. Proses pelatihan model mencakup tahap pra-pemrosesan data, augmentasi citra, serta evaluasi performa model berdasarkan metrik akurasi, presisi, dan recall. Website ini dikembangkan dengan antarmuka yang ramah pengguna dan berbasis web, sehingga dapat diakses dengan mudah oleh berbagai kalangan, khususnya para peternak ikan. Pengguna cukup mengunggah gambar ikan yang terlihat mengalami gejala penyakit, dan sistem akan secara otomatis memberikan diagnosis disertai dengan informasi mengenai ciri-ciri penyakit dan penanganan dasar yang dapat dilakukan. Fitur ini dirancang untuk memudahkan identifikasi awal penyakit tanpa memerlukan keahlian teknis, sehingga dapat membantu dalam respons cepat terhadap masalah kesehatan ikan. Hasil pengujian menunjukkan bahwa sistem ini memiliki tingkat akurasi yang tinggi dan cukup andal dalam mengklasifikasikan jenis penyakit ikan air tawar. Dengan demikian, sistem ini dapat digunakan sebagai alat bantu yang efektif dalam pengambilan keputusan di bidang perikanan, serta sebagai sarana edukatif bagi peternak dalam meningkatkan kualitas dan produktivitas budidaya ikan.
| Item Type: | Thesis (S1 - Sarjana) | ||
|---|---|---|---|
| Contributor: |
|
||
| Uncontrolled Keywords: | Sistem Pakar, Penyakit Ikan Air Tawar, Machine Learning, Transfer Learning, Deteksi Gambar, Website | ||
| Subjects: | 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 005 Pemrograman komputer, program dan data 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 006 Metode komputer khusus |
||
| Divisions: | Fakultas Ilmu Komputer > Sistem Informasi | ||
| Depositing User: | RC Universitas AMIKOM Yogyakarta | ||
| Date Deposited: | 13 Nov 2025 07:55 | ||
| Last Modified: | 13 Nov 2025 07:55 | ||
| URI: | http://eprints.amikom.ac.id/id/eprint/31011 |
Actions (login required)
 |
View Item |