Implementasi Algoritma YOLO11 dalam Mendeteksi Spesies Ikan Laut Komersial secara Real Time untuk Sistem Penyortiran Ikan

Abstract

Abstract - Laut Indonesia memiliki potensi komersial yang sangat besar, tak dapat dipungkiri bahwa lautan Indonesia memiliki sumber daya ikan yang cukup kaya. Proses penyortiran ikan berdasarkan spesiesnnya akan menjadi tantangan besar pada saat proses pemasaran atau distribusi, karena masih dilakukan secara manual. Penelitian ini mengimplementasikan algoritma model YOLO11 dalam mendeteksi spesies ikan laut untuk membantu pross penyortiran. Data yang digunakan terdiri dari 4 sumber dataset yang berbeda, yaitu Final Dataset, Detection Fish Computer Vision Project, Fish Tun Computer Vision Project, dan Fish-gress Dataset for Fish Species Classification. Dataset tersebut kemudian diolah menjadi dataset baru melalui proses data pre-processing dan data augmentation. Model YOLO11 yang digunakan pada saat proses pelatihan adalah YOLO11n dan YOLO11s, dengan 3 variasi pembagian data. Adapun  3 variasi pembagian data yang digunakan adalah 70% data training, 20% data validation, dan 10% data testing; 80% data training, 10% data validation, 10% data testing; dan 60% data training, 20% data validation, dan 20% data testing. Hasil pelatihan terbaik dihasilkan oleh model YOLO11n dengan pembagian data 70% data training, 20% data validation, dan 10% data testing. Model pelatihan dengan hasil terbaik menghasilkan nilai mAP 95.1%, precision 93.2%, dan recall 91.0%, memnunjukkan bahwa model menunjukkan performa yang tinggi. Penelitian ini membuka peluang untuk pengembangan sistem deteksi spesies ikan dalam membantu proses penyortiran.

Kata Kunci – YOLO11, Deteksi Spesies Ikan Laut Komersial, Visi Komputer