IDENTIFIKASI SPESIES IKAN DENGAN CEPAT DAN MUDAH (BERBASIS PENGOLAHAN CITRA)

Indonesia memiliki kekayaan hayati yang melimpah, salah satunya adalah ikan. Dikutip dari Juknis Pemetaan Sebaran JADDI yang diterbitkan oleh BKIPM KKP yang diperoleh dari beberapa sumber, melaporkan bahwa diperkirakan Indonesia memiliki 8500 spesies ikan hidup di perairan Indonesia atau merupakan 45 % dari jumlah spesies yang ada di dunia. Jumlah spesies yang cukup kaya tersebut perlu dilakukan identifikasi sebagai upaya untuk menjaga dan melindungi kelestariannya. Hal ini dikarenakan keanekaragaman hayati ikan merupakan komponen penting untuk menjaga stabilitas ekosistem perairan Indonesia.

Dewasa ini perkembangan bidang pengolahan citra dan computer vision sangat pesat dan dapat di aplikasikan untuk berbagai kebutuhan identifikasi dan deteksi di berbagai bidang dalam industri. Di bidang industri pengolahan citra digunakan untuk membantu proses sortasi, grading, identifikasi dan pengedeteksian cacat produk dengan akurasi sekitar 80 – 96 % dan proses yang cepat.

Pengolahan citra didefinisikan sebagai suatu bentuk pengolahan atau pemrosesan sinyal dengan input berupa gambar (image) dan ditransformasikan menjadi gambar yang disempurnakan atau mengekstrak informasi dari gambar tersebut. Menurut Arsy et al. dalam Jurnal Teknologi dan Sistem Komputer (2016) menyampaikan bahwa suatu citra digital melalui pengolahan citra digital menghasilkan citra digital yang baru, termasuk didalamnya adalah perbaikan citra (image restoration) dan peningkatan kualitas citra (image enhancement). Sedangkan analisis citra digital (digital image analysis) menghasilkan suatu keputusan atau suatu data, termasuk didalamnya adalah pengenalan pola (pattern recognition).

Pengolahan citra saat ini juga sudah dikembangkan untuk identifikasi spesies ikan di perairan ataupun di kedalaman laut. Proses yang cepat dan memiliki akurasi yang tinggi merupakan kelebihan dalam identifikasi keanekaragaman spesies ikan. Allken et al. dalam ICES Journal of Marine Science (2018) melakukan penelitian yang ditujukan untuk mengembangkan sistem identifikasi spesies ikan otomatis untuk mendukung survei akustik-pukat. Metode yang digunakan adalah menggunakan data latih gambar atau citra dari survei, sekitar seribu gambar tiap spesies yang dikurasi secara manual sehingga hanya satu spesies yang akan muncul. Untuk menghasilkan gambar yang secara realistis menyerupai foto-foto penginderaan jauh, contoh ikan dipotong dari gambar nyata dan disisipkan ke gambar latar belakang kosong pada posisi acak, dengan orientasi dan ukuran acak (gambar 1). Untuk validasi dan pengujian, digunakan dataset seimbang  dengan jumlah gambar yang sama untuk setiap spesies ikan yang terdiri dari total 3.000 gambar yang diperoleh dari survei Deep Vision.

Gambar 1. Metode yang digunakan untuk menghasilkan citra data latih (sumber : Allken et al. dalam ICES Journal of Marine Science, 2018)

Hasil penelitiannya menunjukkan bahwa metode yang digunakan yaitu  standard convolutional neural network mampu mengidentifikasi spesies ikan dengan benar dengan akurasi 94% pada dataset gambar yang dikumpulkan dari survei perikanan standar menggunakan sistem kamera yang tersedia secara komersial. Gambar yang tidak bisa dikasifikasikan terutama disebabkan karena gambar ikan yang hanya terlihat sebagian atau dalam orientasi yang tidak ideal. Namun demikian, sistem ini berhasil mengidentifikasi sejumlah besar gambar walaupun ikan hanya terlihat sebagian.

Penelitian lain dilakukan oleh Siddiqui et al. yang dipublikasikan dalam ICES Journal of Marine Science (2018). Penelitian yang dilakukan adalah mengklasifikasikan sepsies ikan secara otomatis dalam video bawah air. Tujuan penelitian yang dilakukan adalah untuk menentukan akurasi yang dapat dicapai pada klasifikasi spesies ikan berbutir halus dengan menggunakan teknik deep learning. Deep learning sendiri adalah jenis Machine Learning  yang digunakan untuk melakukan tugas-tugas klasifikasi langsung dari gambar, teks atau suara.

Metode yang digunakan pada penelitian yang dilakukan adalah menggunakan data video dikumpulkan dari beberapa program pengambilan sampel video bawah air jarak jauh. Video yang diambil pada 16 spesies ikan ditangkap selama analisis yang digunakan untuk menentukan kelimpahan relatif spesies. Penghitungan dan pengukuran jumlah maksimum ikan dari satu spesies yang diidentifikasi dalam bidang pandang secara bersamaan dilakukan dengan menggunakan perangkat lunak Event Measure Stereo. Hasil penelitiannya menunjukkan bahwa keakuratan klasifikasi pada 16 spesies ikan yang difokuskan pada penelitian adalah 94,3%.

Penulis : Wahyu Tri Handoyo - LRMPHP