SETIAWAN, Arif and Hadiyanto, Hadiyanto and Widodo, Catur Edi (2024) ESTIMASI BERAT TUBUH UDANG HIDUP DI DALAM AIR MENGGUNAKAN CIRI MORFOMETRIK BERBASIS ANALISIS CITRA DIGITAL DAN PEMBELAJARAN MESIN. Doctoral thesis, UNIVERSITAS DIPONEGORO.

	Text 1 COVER ARIF SETIAWAN.pdf Download (1MB)
	Text 2 BAB 1 ARIF SETIAWAN.pdf Download (90kB)
	Text 3 BAB 2 ARIF SETIAWAN.pdf Download (1MB)
	Text 4 BAB 3 ARIF SETIAWAN.pdf Restricted to Repository staff only Download (747kB)
	Text 5 BAB 4 ARIF SETIAWAN.pdf Restricted to Repository staff only Download (3MB)
	Text 6 BAB 5 ARIF SETIAWAN.pdf Restricted to Repository staff only Download (138kB)
	Text 7 DAFTAR PUSTAKA ARIF SETIAWAN.pdf Download (268kB)
	Text 8 LAMPIRAN ARIF SETIAWAN.pdf Restricted to Repository staff only Download (218kB)

Abstract

Udang merupakan hasil budidaya laut yang sangat dibutuhkan, dan mampu mendongkrak hasil perekonomian negara. Mengukur berat tubuh udang di masa panen sangat dibutuhkan untuk mengetahui kondisi udang di dalam air dengan metode tanpa menangkap udang secara langsung. Tujuan dari penelitian ini adalah mengembangkan metode baru untuk mengukur berat tubuh udang hidup di dalam air tanpa menangkap udang secara langsung, menggunakan ciri morfometrik berbasis analisis citra digital dan pembelajaran mesin. Tahapan penelitian ini terdiri dari 4 tahap, yaitu akuisisi data citra digital udang, pemrosesan awal menggunakan metode deteksi tepi dan pendeteksian ROI, klasifikasi untuk membedakan udang dan bukan udang menggunakan metode pembelajaran mesin, dan estimasi berat udang hidup di dalam air menggunakan ciri morfometrik berbasis analisis citra digital dan pembelajaran mesin. Pengembangan metode yang digunakan dalam penelitian ini yaitu dengan proses kalibrasi nilai ciri morfometrik menggunakan metode Kemiripan Segitiga (Triangle Similarity - TS) dan Faktor Koreksi (Correction Factor - CF). Pembelajaran mesin yang digunakan dalam penelitian ini adalah MLR, SVM, RF, DT, KNN, BPNN, dan PCR. Dari penelitian yang dilakukan, didapatkan hasil pemilihan citra udang hidup di dalam air dapat dilakukan dengan baik melalui proses ekstraksi video menjadi citra digital bertipe jpg, ciri morfometrik citra udang hidup didalam air didapatkan melalui proses analisis citra digital deteksi tepi dan pemilihan ROI, panjang masing-masing ciri morfometrik udang dihitung menggunakan jarak Euclidean dan dikalibrasi menggunakan metode TS dan CF, metode MLR menghasilkan nilai kesalahan RMSE dan MAE terendah serta Koefisien Determinasi (R2) tertinggi. Dari sini dapat disimpulkan bahwa pengembangan metode TS-CF-MLR merupakan metode terbaik untuk mengukur estimasi berat tubuh udang di dalam air menggunakan ciri morfometrik.
Kata kunci : estimasi berat, udang di dalam air, ciri morfometrik, analisis citra digital, pembelajaran mesin

Shrimp is a product of aquaculture that is much needed and can boost the country's economic output. Measuring the body weight of shrimp during the harvest period is very necessary to determine the condition of the shrimp underwater using a non invasive method. This research aims to develop a new method for measuring the body weight of live shrimp underwater without catching the shrimp directly, using morphometric features based on digital image analysis and machine learning. The stages of this research consists of 4 stages, namely digital image data acquisition of shrimp, preprocessing using edge detection and ROI, classification to distinguish shrimp from non-shrimp using machine learning, and estimation of the weight of live shrimp underwater using morphometric features based on image analysis and machine learning. The development of methods used in this research is the process of calibrating morphometric characteristic values using the Triangle Similarity (TS) and Correction Factor (CF) methods. The machine learning used in this research is MLR, SVM, RF, DT, KNN, BPNN, and PCR. The research results, it was found that the selection of images of live shrimp in water can be done well through the video extraction process into a jpg-type digital image, the morphometric characteristics of images of live shrimp in water were obtained through the digital image analysis process of edge detection and ROI selection, length of each Each shrimp morphometric characteristic was calculated using the Euclidean distance and calibrated using the TS and CF methods, the MLR method produced the lowest RMSE and MAE error values and the highest Coefficient of Determination (R2).It can be concluded that the development of the TS-CF-MLR method is the best method for measuring the estimated body weight of shrimp underwater using morphometric features.
Keywords: weight estimation, underwater shrimp, morphometric features, image analysis, machine learning

Actions (login required)

View Item