RANCANG BANGUN PENGHITUNG BENIH IKAN MENGGUNAKAN BINARY THRESHOLDING PADA RASPBERRY PI SECARA REAL TIME
| Main Authors: | VIVID ICHTAROSA ARINDA, Pembimbing: (1) Dr. Eng. Rosa Andrie A., S.T., M.T., (2) Irawati Nurmala Sari, S.Kom, M.Sc. |
|---|---|
| Format: | Book |
| Bahasa: | ind |
| Terbitan: |
, 2017
|
| Subjects: | |
| Online Access: |
http://digilib.jti.polinema.ac.id//index.php?p=show_detail&id=1680 http://digilib.jti.polinema.ac.id//lib/phpthumb/phpThumb.php?src=../../images/docs/1_SKRIPSI.jpeg.jpeg |
Daftar Isi:
- Benih yang baru dipanen biasanya akan menurun kondisinya. Untuk memulihkannya ada beberapa cara salah satunya adalah menampung benih di dalam wadah penampungan sementara ketika panen dilakukan. Selain ditampung, benih juga harus dihitung untuk mengetahui jumlahnya. Perhitungan juga harus dilakukan dengan cepat dan tepat agar benih tidak menjadi lemah, lalu mati. Selama ini petani ikan masih melakukan perhitungan benih secara manual yaitu dengan menghitung satu per satu atau menggunakan volume (gelas). Sehingga selain memakan waktu yang lama, benih ikan terkadang stress dikarenakan perhitungan yang masih manual.Penelitian ini mendesain dan mengembangkan alat yang mampu menghitung benih ikan dengan mengimplementasikan pengolahan citra sebagai solusi untuk mengatasi permasalahan para petani ikan. Sistem yang dirancang dan diimplementasikan menggunakan HTML, Python, serta pengolahan citra yang menggunakan metode Thresholding, Morphology, serta pelabelan. Sistem ini diterapkan secara real time, serta dapat menghitung objek yang mendekati perhitungan yang sebenarnya. Sistem ini telah diuji menggunakan 4 data set yaitu benih yang diuji tiap kelipatan 10 dan berakhir pada pengujian 40 benih ikan. Tingkat keakuratan tertinggi mencapai 99.9977 % untuk pengujian perhitungan 40 benih.Kata Kunci : Image Processing, Benih Ikan, Petani IkanThe baby fish harvested usually have a weak condition. Several ways are done to recover them and one of which is to accommodate the baby fish in the temporary shelter container when the harvesting occurs. In addition to be accommodated, the baby fish should also be counted to determine their amount in one container. Counting activity should be done quickly and precisely so that the baby fish don’t become weak, then die. Currently, the farmers doing the manual count or using the volume (glass) by calibrating the amount in a glass. It would took a long time to be done, sometimes the baby fish becoming stress and high risk of die due to the manual counting.This research designs and develop the tools that are able to count the fish baby fish by implementing image processing as a solution to overcome the problems. The system is designed and implemented using html, python and image processing using thresholding, morphology and labelling methods. This system implemented in real time, so it can count the baby fish that close to the manual counting. This system tested using four data sets for each 10 amount multiplation until 50 baby fish in a total. Maximum counting accuracy reach 99.9977% using 40 fish baby fish .Keyword: Image Processing, Fish, Baby Fish , Fish Farmer.