IDENTIFIKASI JENIS KELAMIN IKAN LELE (CLARIAS SP) BERDASARKAN BENTUK TUBUH DENGAN LEARNING VECTOR QUANTIZATION (LVQ)

Irfan Dwi Setyawan, - (2015) IDENTIFIKASI JENIS KELAMIN IKAN LELE (CLARIAS SP) BERDASARKAN BENTUK TUBUH DENGAN LEARNING VECTOR QUANTIZATION (LVQ). Skripsi thesis, Universitas Pembangunan Nasional Veteran Jakarta.

	Text AWAL.pdf Download (897kB)
	Text ABSTRAK.pdf Download (91kB)
	Text BAB 1.pdf Download (946kB)
	Text BAB 2.pdf Restricted to Repository UPNVJ Only Download (1MB)
	Text BAB 3.pdf Restricted to Repository UPNVJ Only Download (979kB)
	Text BAB 4.pdf Restricted to Repository UPNVJ Only Download (1MB)
	Text BAB 5.pdf Restricted to Repository UPNVJ Only Download (1MB)
	Text BAB 6.pdf Download (859kB)
	Text DAFTAR PUSTAKA.pdf Download (862kB)
	Text RIWAYAT HIDUP.pdf Restricted to Repository UPNVJ Only Download (91kB)
	Text LAMPIRAN.pdf Restricted to Repository UPNVJ Only Download (862kB)

Abstract

Ikan lele merupakan jenis ikan yang banyak dibudidayakan di Indonesia. Namun perkembangbiakan yang terbilang pesat tidak diimbangi dengan pengelolaan induk yang baik. Terkadang banyak terjadi kesalahan dalam proses pemijahan yaitu tanpa disadari induk yang dipijahkan berjenis kelamin sama, sehingga tidak terjadi spawning dan fertilisasi dari kedua induk yang dicampurkan. Penelitian ini bertujuan untuk membangun suatu aplikasi yang dapat mempermudah user/ pembudidaya ikan lele untuk mengetahui jenis kelamin jantan atau betina pada ikan lele yang dapat dikenali melalui bentuk tubuh ikan. Algoritma Jaringan Syaraf Tiruan (JST) yang digunakan dalam metode penelitian ini adalah algoritma Learning Vector Quantization (LVQ) yang merupakan suatu metode untuk melakukan pembelajaran pada lapisan kompetitif dan merupakan gabungan dari terbimbing (supervised). Jika dua vektor input mendekati sama, maka lapisan kompetitif akan meletakkan kedua vektor input tersebut kedalam kelas yang sama. Tingkat akurasi terbaik yang diperoleh adalah 80% dari 160 data latih dan 40 data yang diujikan. Sehingga dapat disimpulkan tingkat akurasi dari aplikasi yang dapat mengenali objek gambar berdasarkan nilai canny edge detection adalah semakin banyak data latih yang digunakan maka tingkat akurasi akan semakin maksimum.

Item Type:	Thesis (Skripsi)
Additional Information:	[No. Panggil: 1110511052] [Ketua Penguji: Titin Pramiyati] [Penguji I: Theresiawati] [Penguji II (Pembimbing): Jayanta]
Uncontrolled Keywords:	Ikan Lele, Jaringan Syaraf Tiruan, Algoritma Learning Vector Quantization
Subjects:	Q Science > QA Mathematics > QA76 Computer software
Divisions:	Fakultas Ilmu Komputer > Program Studi Informatika (S1)
Depositing User:	Daniel Parlindungan
Date Deposited:	27 Nov 2019 07:14
Last Modified:	27 Nov 2019 07:14
URI:	http://repository.upnvj.ac.id/id/eprint/3438

Actions (login required)

View Item