RANCANG BANGUN PROTOTIPE SISTEM PERINGATAN DINI PENYAKIT UDANG VANAME (LITOPENAEUS VANNAMEI) BERBASIS CONVOLUTIONAL NEURAL NETWORK

Hidayatulloh, Zidni Febrilian (2026) RANCANG BANGUN PROTOTIPE SISTEM PERINGATAN DINI PENYAKIT UDANG VANAME (LITOPENAEUS VANNAMEI) BERBASIS CONVOLUTIONAL NEURAL NETWORK. Undergraduate thesis, Universitas Diponegoro.

	Text Lengkap.pdf - Published Version Download (9MB)
	Text awal.pdf Download (719kB)
	Text BAB 1.pdf - Published Version Download (191kB)
	Text BAB 2.pdf - Published Version Download (887kB)
	Text BAB 3.pdf - Published Version Restricted to Repository staff only Download (848kB) \| Request a copy
	Text BAB 4.pdf - Published Version Download (766kB)
	Text BAB 5.pdf - Published Version Download (447kB)
	Text BAB 6.pdf - Published Version Download (179kB)
	Text DAFTAR PUSTAKA.pdf - Published Version Download (196kB)
	Text LAMPIRAN.pdf - Published Version Download (6MB)

Abstract

Infectious Myonecrosis Virus (IMNV), White Spot Syndrome Virus (WSSV), dan Taura Syndrome Virus (TSV) menyebabkan kerugian pada budidaya udang didunia. Metode PCR, berbasis laboratorium memiliki hasil akurat namun belum diterapkan secara rutin oleh sebagian pembudidaya. Prototipe ini berbasis computer vision dengan model Convolutional Neural Networks (CNN) menganalisis citra udang secara real time sehingga dapat mendeteksi dini penyakit udang secara cepat dan akurat, operasional mudah, serta dapat diakses dari mana pun. Prototipe didesain dengan Solidworks dan dilatih menggunakan Roboflow. Sebanyak 2.265 trainset database digunakan untuk melatih algoritma CNN, sebanyak 678 citra digunakan untuk memvalidasi algoritma guna menghasilkan akurasi deteksi citra
sebesar 66%. Citra yang terdeteksi dibagi menjadi 159 layer. Sistem memvalidasi udang sehat sebesar 98%, udang terinfeksi IMNV (99%), TSV(45%), dan WSSV (63%). Total 130 udang vaname diujikan menggunakan sistem terintegrasi aplikasi mobile menghasilkan 127 udang sehat dan 3 udang sakit. Hasil tersebut ditampilkan pada aplikasi mobile S-DiDeS yang terinstal pada smartphone. Prototipe ini mampu
mendeteksi dini penyakit, mengoptimalkan mitigasi, meminimalisir resiko kematian massal udang dan mendukung program Blue Economy.

Item Type:	Thesis (Undergraduate)
Uncontrolled Keywords:	convolutinal neural network, deteksi dini, penyakit udang
Subjects:	Engineering > Electrical Engineering
Divisions:	School of Vocation > Diploma in Electrical Engineering
Depositing User:	Oktavia Perpus Vokasi
Date Deposited:	02 Jul 2026 04:06
Last Modified:	02 Jul 2026 04:06
URI:	https://eprints2.undip.ac.id/id/eprint/55645

Actions (login required)

View Item

Search for collections on Undip Repository