Ikan Hiu merupakan ikan bertulang rawan yang banyak diburu karena mempunyai nilai ekonomi yang tinggi. Penangkapan dan perdagangan secara berlebihan mengakibatkan spesies ini terancam kepunahan dan sudah masuk pada beberapa kategori IUCN Red List. informasi tentang jenis-jenis hiu yang didaratkan di PPN Sungai liat Bangka masih sangat terbatas dikarenakan sulitnya identifikasi secara morfologi sehingga perlu dilakukan identifikasi menggunakan metode molekuler. oleh karena itu, peneliti menghasilkan program pengenalan citra pada ikan hiu menggunakan algoritma Convolutional Neural Network, yang merupakan kegiatan konvolusi dengan menggabungkan beberapa lapisan persiapan, dengan memanfaatkan beberapa komponen yang bergerak sama dan dimotivasi oleh sistem sensorik biologis. Gambar ikan hiu yang digunakan adalah basking, blacktip, blue, bull, hammerhead, lemon, mako, nurse, sand tiger, dan thresher. Implementasi pengenalan citra ikan hiu dilakukan dengan memakai 2 model pengujian yaitu model Sequential dan model on top VGG16 yang berjalan di aplikasi Google Collaboratory, dan Keras. Data pengujian pada penelitian ini adalah 1089 citra data latih dan 1073 citra data uji yang menghasilkan nilai evaluasi dengan nilai akurasi 86,58% dan nilai loss 0,701 pada model Sequential dan nilai akurasi 91,80% dan nilai loss 0,0355 pada model on top VGG16.

Garbage is useless goods/materials used normally or specifically in production, goods damaged during production or useless materials which mainly come from households. Moreover, inorganic waste is very difficult and takes a longer time to be decomposed by the soil. The lack of public knowledge about the classification of types of waste and how to process it causes a very serious problem in Indonesia. Therefore, this research creates a waste type recognition program using the Convolutional Neural Network (CNN) algorithm, which can be used to detect and recognize objects in an image. CNN is a technique inspired by the way mammals, humans, produce visual perception. CNN is included in the type of deep neural network because of its high network depth and widely applied to imagery. 2 Types of waste classification, namely inorganic waste and organic waste. The implementation of garbage image recognition uses 2 test models, Sequential and on top VGG16 which runs on the Google Collaboratory application, and Keras. After carrying out the Augmentation process, the number of test data in this study was 1489 images on the training data and 182 on the testing data resulting in an evaluation value with an accuracy of 90.97% and a loss value of 0.307 on the Sequential model, and an accuracy value of 97.99% with a loss value of 0.069 on the on top model. VGG16.