Perpustakaan Digital ITB

Buku tugas akhir ini berisikan desain, implementasi, dan pengujian untuk perangkat keras elektrik, model inferensi, dan algoritma integrasi dari SmartFishSense, sebuah alat pendeteksi nafsu makan ikan saat stimulus diberikan dengan basis kecerdasan buatan berupa deep learning. Ketiga bagian dari sistem ini utamanya dirancang untuk diintegrasikan dengan Raspberry Pi 4 model B. Ketiga bagian ini dibutuhkan dalam produk sebagaimana diturunkan dari permasalahan yang ada, diekstraksi menjadi beberapa poin spesifikasi, dan terakhir dijadikan realisasinya dalam beberapa subbagian dari produk. Perancangan dari subsistem perangkat keras elektrik, model inferensi, dan algoritma integrasi dilakukan secara terpisah dan modular sebelum nantinya diintegrasikan menjadi satu kesatuan. Setiap subsistem memiliki fungsionalitasnya masing-masing dan didefinisikan antarmuka untuk setiap subsistemnya, sehingga pengujian dapat dilakukan dalam skala yang lebih kecil terlebih dahulu. Masing-masing subsistem dibuat dengan metode dan media yang berbeda-beda. Perangkat keras elektrik disusun dengan menggunakan aplikasi Altium, mulai dari pembuatan skematik, penyusunan tata letak PCB, dan pembuatan dokumen untuk fabrikasinya. Model deep learning (menggunakan model inferensi multi-modal paduan antara CNN dan ANN) dibangun dengan menggunakan Tensorflow, mulai dari perancangan arsitektur model, pelatihan, sampai validasi model. Algoritma integrasi dituliskan dalam bahasa pemrograman Python yang diimplementasikan pada Raspberry Pi. Secara garis besar, produk yang dibuat sudah mampu memenuhi kebutuhan dalam perancangan, yakni untuk mendeteksi nafsu makan ikan dan mengurangi jumlah pakan ikan yang terbuang. Namun demikian, ini dirasa masih belum cukup karena harus dibatasi oleh beberapa faktor, misalnya pencahayaan, variasi ikan dan perilakunya, dan sebagainya. Untuk ke depannya, gangguan akibat faktor-faktor ini masih bisa diperbaiki dengan memperkaya data pelatihan model.