Institutional Repository UIN Sunan Kalijaga YogyakartaIMPLEMENTASI CONVOLUTIONAL NEURAL NETWORK (CNN) UNTUK IDENTIFIKASI KONDISI IKAN LELE BERBASIS CITRA VISUALNIM.: 20106050032Dienna Aden MaskurauthorPenyakit pada ikan lele merupakan salah satu faktor yang dapat menurunkan kualitas dan produktivitas budidaya perikanan air tawar. Proses identifikasi penyakit secara manual masih memiliki keterbatasan karena membutuhkan keahlian khusus dan dipengaruhi oleh subjektivitas pengamatan. Penelitian ini bertujuan untuk mengimplementasikan metode Convolutional Neural Network (CNN) menggunakan arsitektur ResNet-50 untuk mengidentifikasi kondisi ikan lele berdasarkan citra visual. Dataset penelitian terdiri dari tiga kelas, yaitu kolumnaris, kuning, dan sehat, yang diperoleh dari hasil observasi lapangan serta sumber daring. Tahapan penelitian dimulai dari pengumpulan data, preparation data (termasuk segmentation, resizing, sharpening, augmentation, dan normalization), serta pembagian dataset menjadi data latih, validasi, dan uji. Proses pelatihan menggunakan transfer learning dan fine-tuning pada model ResNet-50 dengan variasi hyperparameter seperti batch size, learning rate, dan kedalaman fine-tuning. Evaluasi performa dilakukan melalui confusion matrix, accuracy, precision, recall, serta F1-score. Hasil penelitian menunjukkan bahwa model ResNet-50 mampu melakukan identifikasi kondisi ikan lele dengan performa yang baik dan stabil. Konfigurasi hyperparameter terbaik menghasilkan tingkat akurasi validasi sebesar 95,31% pada penggunaan batch size 16 dan fine-tuning 30 layer, dengan tingkat kesalahan prediksi yang rendah. Hasil tersebut menunjukkan bahwa pendekatan CNN berbasis ResNet-50 efektif digunakan untuk mengenali karakteristik visual penyakit pada ikan lele. Penelitian ini diharapkan dapat menjadi solusi alternatif dalam membantu proses deteksi dini penyakit ikan lele secara otomatis sehingga dapat mendukung peningkatan produktivitas budidaya perikanan. Kata kunci: Convolutional Neural Network, ResNet-50, identifikasi ikan lele, pengolahan citra, deep learning.Tehnik Informatika2026-05-21UIN SUNAN KALIJAGA YOGYAKARTA;FAKULTAS SAINS DAN TEKNOLOGIThesis

For work being deposited by its own author: In self-archiving this collection of files and associated bibliographic metadata, I grant Institutional Repository UIN Sunan Kalijaga Yogyakarta the right to store them and to make them permanently available publicly for free on-line. I declare that this material is my own intellectual property and I understand that Institutional Repository UIN Sunan Kalijaga Yogyakarta does not assume any responsibility if there is any breach of copyright in distributing these files or metadata. (All authors are urged to prominently assert their copyright on the title page of their work.)

For work being deposited by someone other than its author: I hereby declare that the collection of files and associated bibliographic metadata that I am archiving at Institutional Repository UIN Sunan Kalijaga Yogyakarta) is in the public domain. If this is not the case, I accept full responsibility for any breach of copyright that distributing these files or metadata may entail.

Clicking on the deposit button indicates your agreement to these terms.