Deep Learning for Smart Fish Farming: Applications, Opportunities And Challenges
(Deep Learning untuk Budidaya Ikan Cerdas: Aplikasi, Peluang, Dan Tantangan)
Latar Belakang (Permasalahan)
Pada budidaya ikan pintar, salah satu yanng menjadi elemen inti adalah data dan informasi. Banyaknya data menyebabkan tantangan, seperti berbagai sumber (seperti informasi mengenai ikan, peralatan, lingkungan, dan lainnya), berbagai format (seperti teks, gambar, audio), dan data yang kompleks (seperti spesies, mode, aktivitas ikan). Banyak penelitian tentang budidaya ikan pintar, namun belum bisa mengatasi masalah tersebut. Oleh karena itu, untuk mencoba mengatasi masalah diatas diterapkan Deep Learning (salah satu metode dalam AI). Tujuan Mengatasi tantangan/masalah dalam budidaya ikan pintar yaitu terkait banyaknya data dan informasi dengan mengaplikasikan Deep Learning. Serta membandingkan penerapan Deep Learning dengan metode yang lain. Ringkasan Metode/Algoritma yang Digunakan 1. Pengumpulan banyak data dan informasi, seperti berbagai sumber (seperti informasi mengenai ikan, peralatan, lingkungan, dan lainnya), berbagai format (seperti teks, gambar, audio), dan data yang kompleks (seperti spesies, mode, aktivitas ikan). 2. Metode deep learning, yang akan membantu komputer lebih mudah mengenali data dari input sensorik yang mentah. Misal contoh komputer sulit memahami data gambar ikan dari sensor karena pemetaan data akan sangat kompleks, disini deep learning dapat mengolah mendaji pemetaan data yang lebih sederhana dan mudah dipahami komputer. 3. Penerapan Deep learning, diterapkan guna pembelajaran terhadap data yang akan mempermudah pemetaan data mentah khususnya dalam identiifikasi ikan hidup, analisis perilaku, klasifikasi spesiess, estimasi ukuran atau biomassa, keputusan pemberian makan, dan prediksi kualitas air. Ringkasan Hasil Pengaplikasian deep learning pada budidaya ikan pintar mempermudah mengatasi permasalahan terkait banyaknya data dan informasi. Serta dalam identifikasi ikan hidup, analisis perilaku, klasifikasi spesies, estimasi ukuran atau biomassa, keputusan pemberian makan, dan prediksi kualitas air, metode deep learning lebih baik dibandingkan metode tradisional dan metode lainnya. Jenis agen cerdas : Learning Agent : karena deep learning menggunakan teknologi AI untuk mempelajari pola dari data yang diberikan, dan bisa mempelajari lingkungan dari data yang diberikan dan membuat keputusan berdasarkan pengalaman belajarnya (walau input data asing). PEAS Jenis agen P E A S Budidaya ikan Akurat, efisiensi Suhu air, ph, Identifikasi ikan Kamera, sensor pintar + deep data, mudah oksigen, hidup, air, sensor suhu, learning deteksi keadaan kualitas air. identifikasi sensor ph. ikan, efektivitas penyakit ikan, pemberian prediksi kualitas makan ikan dan air, memberikan rasio, ketepatan pakan otomatis, prediksi kualitas mengolah unsur air, mengetahui air otomatis. hasil panen.