Sistem Deteksi Dini Berbasis Artificial Intelligence Sebagai Solusi Inovatif Budidaya Benur Vaname

Abstrak

Indonesia memiliki potensi besar dalam sektor perikanan, terutama dalam budidaya udang vaname yang berperan penting dalam ekspor perikanan. Salah satu tantangan utama dalam budidaya udang adalah ketersediaan benur yang berkualitas. Saat ini, proses penghitungan benur dilakukan secara manual, yang kurang efisien dan akurat. Untuk meningkatkan efisiensi, peneliti mengembangkan teknologi citra digital dalam bentuk aplikasi yang didukung keserdasan buatan (AI) yang menjadi solusi dalam otomatisasi penghitungan benur, deteksi kesehatan, dan deteksi dini penyakit. Metode yang digunakan melibatkan Convolutional Neural Network (CNN) untuk analisis gambar dan Long Short-Term Memory (LSTM) untuk pemrosessan data sekuensial. Hasil penelitian menunjukkan bahwa integrasi CNN dan LSTM mampu mengklasifikasikan kondisi benur dengan akurasi 85% dalam waktu kurang dari 5 menit, dibandingkan metode manual yang memakan waktu lebih lama. Aplikasi “VannameiAI” yang dikembangkan memudahkan petambak dalam menghitung jumlah benur, mendeteksi kesehatan benur sesuai dengan standar benur sebelum tebar, dan menyimpan data hasil panen. Dengan demikian, teknologi ini berpotensi meningkatkan efisiensi dan produktivitas budidaya udang di Indonesia.