Berikut adalah silabus 10 sesi (@1,5 jam per sesi) untuk topik “Sistem Deteksi dan Klasifikasi Jenis Ikan di Kolam Akuakultur Menggunakan YOLO”, dirancang secara terstruktur dari pengenalan konsep hingga implementasi akhir.
Silabus 10 Sesi (1.5 Jam/Sesi)
Judul: Sistem Deteksi dan Klasifikasi Jenis Ikan di Kolam Akuakultur Menggunakan YOLO
✅ Sesi 1: Pengenalan Akuakultur dan Permasalahan Deteksi Ikan
-
Konsep dasar akuakultur dan pentingnya monitoring ikan
-
Tantangan dalam identifikasi jenis ikan secara otomatis
-
Pengenalan YOLO dan aplikasinya dalam visi komputer
-
Studi kasus deteksi ikan dari literatur
✅ Sesi 2: Pengenalan YOLO dan Arsitekturnya
-
Sejarah dan evolusi YOLO (v1 hingga v8)
-
Perbedaan YOLOv4, YOLOv5, YOLOv7, dan YOLOv8
-
Arsitektur CNN pada YOLO
-
Kelebihan dan kelemahan YOLO dibanding metode lain
✅ Sesi 3: Persiapan Dataset Ikan
-
Sumber dataset (open-source atau custom capture dari kolam)
-
Teknik pengambilan gambar yang baik untuk ikan (lighting, sudut, posisi)
-
Struktur folder dan anotasi dataset
-
Pengenalan LabelImg dan Roboflow
✅ Sesi 4: Anotasi dan Augmentasi Dataset
-
Cara memberi label bounding box pada ikan
-
Format anotasi YOLO
-
Teknik augmentasi: flip, brightness, blur, dll.
-
Upload dan preprocessing dataset di Roboflow
✅ Sesi 5: Instalasi dan Konfigurasi YOLOv5
-
Setup environment (Python, Torch, YOLOv5 repo)
-
Struktur file YOLOv5
-
Menyiapkan file YAML (data.yaml, config model)
-
Menentukan jumlah kelas (jenis ikan)



