PENGEMBANGAN SISTEM DETEKSI PENYAKIT IKAN NILA BERBASIS CITRA DIGITAL MENGGUNAKAN METODE DEEP LEARNING MOBILE NET V2 BERBASIS WEB

Abstract

Budidaya ikan nila di Indonesia merupakan sektor strategis yang sering terhambat oleh serangan penyakit, sehingga deteksi dini menjadi krusial bagi keberlanjutan usaha. Pemanfaatan deep learning dan smart fishery kini menawarkan peluang besar untuk otomatisasi diagnosis penyakit melalui pengenalan citra digital. Namun, pembudidaya sering menghadapi keterbatasan kemampuan identifikasi yang memicu keterlambatan penanganan, sementara penelitian sebelumnya masih terbatas pada penggunaan dataset umum yang kurang spesifik atau belum terintegrasi ke dalam sistem berbasis web. Penelitian ini bertujuan mengembangkan sistem deteksi penyakit ikan nila berbasis Convolutional Neural Network yang terintegrasi dalam platform web-based system untuk diagnosa yang cepat dan akurat. Pengembangan model menggunakan dataset lokal dan publik, preprocessing citra, serta arsitektur MobileNetV2 untuk meningkatkan presisi klasifikasi. Hasil penelitian menunjukkan bahwa model MobileNetV2 mencapai akurasi sebesar 97,18%, yang mampu memberikan diagnosis otomatis beserta rekomendasi penanganan secara efisien. Sistem ini berkontribusi nyata sebagai alat bantu bagi pembudidaya untuk meminimalisir risiko kegagalan panen dan mendukung produktivitas sektor perikanan