Identifikasi Jenis Ikan Cupang Menggunakan Metode Vision Transformer Dan Deep Learning

Abstract

Penelitian ini bertujuan untuk mengidentifikasi dan mengklasifikasikan jenis ikan cupang menggunakan metode Vision Transformer (ViT) dalam pemrosesan citra. Model ViT dipilih karena kemampuannya dalam menangkap representasi spasial global secara efektif dibandingkan arsitektur konvensional berbasis CNN. Dataset yang digunakan berasal dari dua sumber, yaitu situs Kaggle dan hasil pencarian manual melalui Google Images, yang mencakup tiga jenis ikan cupang, yaitu Halfmoon, Plakat, dan Crowntail. Sistem dikembangkan menggunakan PyTorch dan Google Colab, dengan beberapa skenario pembagian data latih dan data uji, yaitu 80:20, 70:30, 60:40, dan 50:50. Hasil pengujian menunjukkan bahwa model mencapai performa terbaik pada rasio 80:20, sementara pada rasio 50:50 dan 60:40 mulai terlihat penurunan akurasi sebesar 0,01. Secara keseluruhan, metode Vision Transformer terbukti efektif dalam melakukan klasifikasi jenis ikan cupang berdasarkan citra, meskipun performanya sensitif terhadap proporsi data latih yang tersedia