Penerapan CNN Arsitektur VGG16 untuk Deteksi Kesegaran Ikan Berdasarkan Citra Digital

Rivansyah Suhendra, Ratih Sari Ayu, Rara Syifa Qaisa, Ilham Juliwardi, Nica Astrianda, Puput Arisna, Alfis Syahril, Uswatun Hasanah

Abstract


Kesegaran ikan merupakan indikator utama dalam menentukan kualitas dan keamanan produk perikanan. Penilaian secara manual masih bersifat subjektif dan memerlukan keahlian khusus. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi tingkat kesegaran ikan secara otomatis menggunakan algoritma Convolutional Neural Network (CNN) dengan arsitektur VGG16. Data berupa 1.378 citra mata ikan dikumpulkan dari pasar ikan di Meulaboh dan Blangpidie, kemudian melalui proses preprocessing menggunakan teknik contrast stretching. Dataset dibagi menjadi data latih (80%) dan data validasi (20%). Proses pelatihan dilakukan dengan menerapkan augmentasi dan normalisasi data guna meningkatkan kemampuan generalisasi model. Hasil pengujian menunjukkan bahwa model mampu mengklasifikasikan citra dengan akurasi, precision, recall, dan F1-score sebesar 100%. Analisis confusion matrix menunjukkan tidak adanya kesalahan klasifikasi pada data validasi. Temuan ini menunjukkan bahwa citra mata ikan merupakan fitur visual yang efektif untuk mengidentifikasi tingkat kesegaran. Sistem yang dikembangkan memiliki potensi untuk diimplementasikan dalam proses sortir dan kontrol mutu hasil perikanan. Penelitian selanjutnya disarankan untuk memperluas cakupan jenis ikan dan pengujian dalam kondisi lingkungan nyata guna meningkatkan robustitas model.

Full Text:

PDF

References


M. Bachtiar, “Adopsi Kecerdasan Buatan (AI) dalam Industri Maritim: Peluang, Tantangan, dan Implikasinya terhadap Efisiensi Operasional,” Cylind. J. Ilm. Tek. Mesin, vol. 11, no. 1, 2025.

E. T. Yasin, I. A. Ozkan, and M. Koklu, “Detection of fish freshness using artificial intelligence methods,” Eur. Food Res. Technol., vol. 249, no. 8, pp. 1979–1990, 2023.

M. B. Yildiz, E. T. Yasin, and M. Koklu, “Fisheye freshness detection using common deep learning algorithms and machine learning methods with a developed mobile application,” Eur. Food Res. Technol., vol. 250, no. 7, pp. 1919–1932, 2024.

I. Akbar, “Literature review pemanfaatan sumber daya kelautan untuk sustainable development goals (SDGS),” J. Sains Edukatika Indones., vol. 4, no. 1, 2022.

N. N. Afiyah, I. Solihin, and E. Lubis, “Pengaruh rantai distribusi dan kualitas ikan Tongkol (Euthynnus sp.) dari PPP Blanakan Selama Pendistribusian ke Daerah Konsumen,” J. Sos. Ekon. Kelaut. Dan Perikan., vol. 14, no. 2, pp. 225–237, 2019.

B. Darmadi, B. Rianto, W. Sulistyowati, and M. A. Sofijanto, “Sertifikasi Produk Pengolahan Ikan Usaha Kecil dan Menengah.” Hang Tuah Press, 2017.

V. T. Deco, A. Nilogiri, and Q. A’yun, “Klasifikasi Kesegaran Ikan Lemuru Berdasarkan Citra Mata Menggunakan Metode Convolutional Neural Network,” J. Apl. Sist. …, vol. 3, no. 1, pp. 14–25, 2021.

M. Christiawan, L. W. Santoso, and D. H. Setiabudi, “Deteksi Tingkat Kesegaran Ikan Menggunakan Metode Convolutional Neural Network Dengan Parameter Mata dan Warna Insang,” J. Infra, vol. 9, no. 2, pp. 213–219, 2021.

K. Zailanie, Fish handling. Universitas Brawijaya Press, 2015.

D. Putra, Pengolahan citra digital. Penerbit Andi, 2010.

N. A. Batubara and R. M. Awangga, Tutorial Object Detection Plate Number With Convolution Neural Network (CNN), vol. 1. Kreatif, 2020.

K. Simonyan and A. Zisserman, “Very deep convolutional networks for large-scale image recognition,” arXiv Prepr. arXiv1409.1556, 2014.

R. C. Gonzalez and R. E. Woods, Digital Image Processing. Boston: Addison-Wesley Longman Publishing Co., Inc., 2002.

J. Han, M. Kamber, and J. Pei, Data Mining: Concepts and Techniques. 2012.




DOI: https://doi.org/10.35308/jti.v4i1.12301

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 



Jurnal Teknologi Informasi
e-ISSN: 2829-8934  I  DOI: 10.35308
Jl. Alue Peunyareng, Ujong Tanoh Darat, Meureubo, Kabupaten Aceh Barat, Aceh 23681, Indonesia
(0655) 7110535
License Creative Commons is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License