Survei Penggunaan Tensorflow pada Machine Learning untuk Identifikasi Ikan Kawasan Lahan Basah

Abstract

Lahan basah merupakan habitat yang biasanya digunakan untuk budidaya ikan. Kalimantan Selatan termasuk salah satu provinsi yang memiliki kawasan lahan basah, yaitu seluas 11.707.400ha, terdapat 67 buah sungai dan ditaksir terdapat 200-an jenis ikan. Hal ini menunjukkan kekayaan khazanah ikan yang melimpah, dan bernilai ekonomis. Studi tentang identifikasi ikan merupakan subjek yang penting untuk konservasi khazanah ikan lahan basah. Dalam bidang kecerdasan buatan, identifikasi dapat dilakukan menggunakan Machine Learning (ML). Terdapat banyak librari, kumpulan fungsi yang dapat digunakan dalam pengembangan ML, salah satunya adalah Tensorflow. Dalam makalah ini, kami mensurvei beragam literatur tentang penggunaan Tensorflow, serta dataset, algortima dan metode yang dapat digunakan dalam pengembangan aplikasi identifikasi citra ikan kawasan lahan basah. Hasil survei literatur menunjukan bahwa Tensorflow dapat digunakan untuk pengembangan aplikasi identifikasi cirta ikan. Terdapat banyak dataset yang dapat digunakan seperti MNIST, Oxford-I7, Oxford-102, LHI-Animal-Faces, Taiwan marine fish, KTH-Animal, NASNet, ResNet, dan MobileNet. Metode klasifikasi yang dapat digunakan untuk klasifikasi citra ikan diantaranya adalah CNN, R-CNN, DCNN, Fast R-CNN, kNN, PNN, Faster R-CNN, SVM, LR, RF, PCA dan KFA. Tensorflow menyediakan banyak model yang dapat digunakan untuk klasifikasi citra diantaranya adalah Inception-v3 dan MobileNets, serta mendukung pemodelan seperti CNN, RNN, RBM, dan DBN. Untuk mempercepat proses klasifikasi, dimensi citra dapat dikurangi menggunakan algoritma MDS, LLE, Isomap dan SE.