Saat ini perkembangan teknologi berlangsung dengan sangat pesat, memberikan
dampak signifikan pada berbagai bidang kehidupan. Berkat kemajuan ini, berbagai
tugas yang dulunya dianggap rumit kini dapat dilakukan dengan jauh lebih mudah,
termasuk dalam bidang klasifikasi ikan laut. Penelitian ini bertujuan untuk
mengklasifikasi jenis ikan laut menggunakan metode Extreme Learning Machine
(ELM) dan arsitektur VGG19 yang digunakan untuk mengekstraksi fitur ikan.
Peneliti menggunakan citra ikan laut sebanyak 5 jenis ikan laut dimana setiap jenis
ikan terdiri dari 1000 gambar disetiap kelasnya. Hasil yang didapat dari penelitian
ini berupa sistem untuk mengklasifikasi jenis ikan laut dengan tingkat accuracy
89,1%. Penelitian ini juga memperoleh nilai Precision dari ikan Sprat Laut Hitam
sebesar 87%, Belanak Merah sebesar 89%, Ikan Biji Nangka sebesar 86%, Selar
Como sebesar 89% dan Ikan Sebelah sebesar 95%. Selanjutnya nilai Recall dari
ikan Sprat Laut Hitam sebesar 91%, Belanak Merah sebesar 85%, Ikan Biji Nangka
sebesar 84%, Selar Como sebesar 90% dan Ikan Sebelah sebesar 95% dan juga hasil
dari nilai F1-Score dari ikan Sprat Laut Hitam sebesar 89%, Belanak Merah sebesar
87%, Ikan Biji Nangka sebesar 85%, Selar Como sebesar 89% dan Ikan Sebelah
sebesar 95%.