SEMARANG- Dosen Universitas Muria Kudus (UMK) Arif Setiawan berhasil meraih gelar Doktor pada Program Studi Doktor Sistem Informasi (DSI) Universitas Diponegoro (Undip) usai sidang ujian Disertasi di Ruang Sidang Utama Gedung A Lantai 1 Sekolah Pascasarjana Undip pada pada Rabu, 6 Maret 2024.
Dr. Arif Setiawan S.Kom M.Cs melakukan penelitian dengan judul “Estimasi Berat Tubuh Udang Hidup di bawah Air Menggunakan Ciri Morfometrik Berbasis Analisis Citra Digital dan Pembelajaran Mesin”
Tim Penguji pada ujian disertasi tersebut antara lain Dr. R.B. Sularto, S.H., M.Hum (Dekan Sekolah Pascasarjana Undip), Prof. Dr. Rahmat Gernowo, M.Si (Kaprodi DSI Undip), Prof. Dr. Ir. Hadiyanto, S.T., M.Sc., IPU (Promotor), Dr. Drs. Catur Edi Widodo, M.T (Co Promotor), Prof. Dr. Kusworo Adi, S.Si., M.T (Penguji 1), Prof. Dr. Ir. R. Rizal Isnanto, S.T., M.M., M.T., IPU, ASEAN Eng (Penguji 2) dan Prof. Dr. Eko Sediyono, M.Kom (Penguji Eksternal dari UKSW Salatiga).
Menurut Dr Arif Setiawan bahwa 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,” ungkap Dr Arif Setiawan.
“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,” tambahnya.
Dari hasil penelitian menunjukkan bahwa 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.
Penelitian ini melakukan pengukuran estimasi berat tubuh udang hidup di dalam air menggunakan ciri morfometrik berbasis analisis citra digital dan pembelajaran mesin. Dari hasil penelitian didapatkan kesimpulan : 1. Pemilihan citra udang hidup di dalam air dapat dilakukan dengan baik melalui proses ekstraksi video menjadi citra digital bertipe jpg. 2. 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. 3. Dibandingkan dengan metode yang lain, metode kalibrasi nilai ciri morfometrik menggunakan TS dan CF, serta metode pembelajaran mesin MLR mendapatkan nilai akurasi terbaik dengan nilai kesalahan MAE terendah yaitu 0,0098, RMSE terendah yaitu 0,0096, dan nilai R2 tertinggi yaitu 0,9938. Dari sini dapat disimpulkan bahwa pengembangan metode TS-CF-MLR merupakan metode terbaik untuk estimasi berat tubuh udang di dalam air.
