@prefix bibo: .
@prefix rdfs: .
@prefix skos: .
@prefix void: .
@prefix dct: .
@prefix foaf: .
@prefix cc: .
@prefix xsd: .
@prefix epid: .
@prefix ep: .
@prefix owl: .
@prefix geo: .
@prefix dc: .
@prefix rdf: .
@prefix event: .
@prefix eprel: .
<>
foaf:primaryTopic ;
rdfs:comment "The repository administrator has not yet configured an RDF license."^^xsd:string .
dct:hasPart ;
ep:hasFile ;
rdf:type bibo:Document,
ep:Document;
rdfs:label "KLASIFIKASI KESEGARAN IKAN BERDASARKAN CITRA\r\nMATA MENGGUNAKAN EFFICIENTNET-B0 DENGAN\r\nOPTIMASI HYPERPARAMETER OPTUNA (Text)"^^xsd:string .
rdf:_1 .
<> ;
bibo:abstract "Penilaian kesegaran ikan merupakan aspek penting dalam menjaga mutu \r\ndan keamanan produk perikanan, namun metode konvensional berbasis\r\npengamatan visual manusia masih bersifat subjektif dan tidak konsisten. Penelitian\r\nini bertujuan untuk mengklasifikasikan tingkat kesegaran ikan berdasarkan citra\r\nmata menggunakan model deep learning EfficientNet-B0 dengan optimasi\r\nhiperparameter Optuna, dengan fokus pada stabilitas pelatihan dan kemampuan\r\ngeneralisasi lintas spesies. Dataset yang digunakan adalah The Freshness of the Fish\r\nEyes yang terdiri dari citra mata ikan dari 8 spesies dengan 3 tingkat kesegaran,\r\nsehingga membentuk 24 kelas klasifikasi. Penelitian ini tidak menerapkan.\r\nOptimasi hiperparameter dilakukan menggunakan Optuna berbasis algoritma Treestructured\r\nParzen\r\nEstimator\r\n(TPE).\r\nHasil\r\neksperimen\r\nmenunjukkan\r\nbahwa\r\nmodel\r\n\r\nmencapai\r\n\r\nakurasi pengujian sebesar 79,87%, dengan akurasi data latih sebesar\r\n83,61% dan akurasi data validasi sebesar 81,17%, sehingga diperoleh\r\ngeneralization gap sebesar 2,45%. Evaluasi generalisasi lintas spesies dilakukan\r\nmenggunakan skema leave-source-out (LSO) pada 8 skenario pengujian, yang\r\nmenunjukkan bahwa model mampu mempertahankan performa klasifikasi pada\r\nspesies yang tidak dilibatkan dalam proses pelatihan. Selain itu, pelatihan ulang\r\nmodel terbaik sebanyak 5 kali menunjukkan performa yang konsisten, yang\r\nmengindikasikan stabilitas pembelajaran yang baik. Penelitian ini menyimpulkan\r\nbahwa EfficientNet-B0 yang dioptimasi menggunakan Optuna mampu\r\nmemberikan klasifikasi kesegaran ikan yang stabil dan konsisten pada dataset\r\nmulti-spesies tanpa penerapan augmentasi data, serta memiliki kemampuan\r\ngeneralisasi intrinsik terhadap distribusi asli dataset."^^xsd:string;
bibo:authorList ;
bibo:status ;
dc:hasVersion ;
dct:creator ,
;
dct:date "2026-01-05";
dct:isPartOf ;
dct:issuer ,
;
dct:subject ,
;
dct:title "KLASIFIKASI KESEGARAN IKAN BERDASARKAN CITRA\r\nMATA MENGGUNAKAN EFFICIENTNET-B0 DENGAN\r\nOPTIMASI HYPERPARAMETER OPTUNA"^^xsd:string;
ep:hasDocument ;
ep:hasPublished ;
rdf:type bibo:Article,
bibo:Thesis,
ep:EPrint,
ep:ThesisEPrint;
rdfs:seeAlso .
rdf:type skos:Concept;
skos:prefLabel "000 Ilmu komputer, informasi dan pekerjaan umum"@en .
rdf:type skos:Concept;
skos:prefLabel "005 Pemrograman komputer, program dan data"@en .
rdfs:label "24.51.1563 - Trio Agung Purwanto.pdf"^^xsd:string .
dc:format "text/html";
dc:title "HTML Summary of #31787 \n\nKLASIFIKASI KESEGARAN IKAN BERDASARKAN CITRA
\nMATA MENGGUNAKAN EFFICIENTNET-B0 DENGAN
\nOPTIMASI HYPERPARAMETER OPTUNA\n\n";
foaf:primaryTopic .
dct:isPartOf ;
foaf:name "Pascasarjana Magister Informatika, Universitas AMIKOM Yogyakarta"^^xsd:string;
rdf:type foaf:Organization .
dct:hasPart ;
foaf:name "Universitas AMIKOM Yogyakarta"^^xsd:string;
rdf:type foaf:Organization .
foaf:familyName "Purwanto"^^xsd:string;
foaf:givenName "Trio Agung"^^xsd:string;
foaf:name "Trio Agung Purwanto"^^xsd:string;
rdf:type foaf:Person .
foaf:familyName "Ariatmanto"^^xsd:string;
foaf:givenName "Dhani"^^xsd:string;
foaf:name "Dhani Ariatmanto"^^xsd:string;
rdf:type foaf:Person .