CONVOLUTION NEURAL NETWORK UNTUK IDENTIFIKASI TINGKAT KESEGARAN IKAN NILA BERDASARKAN PERUBAHAN WARNA MATA

Erna Hudianti Pujiarini, Febri Nova Lenti

Sari


Ikan Nila merupakan salah satu dari 5 komoditi ikan yang 80% digemari masyarakat Indonesia. Hasil perikanan setelah dipanen akan mengalami serangkaian proses perombakan yang mengarah ke penurunan mutu.  Ikan yang masih segar dapat dilihat dari  ciri fisik berupa perubahan warna mata, insang ikan, tekstur daging ikan, dan bau. Terkadang konsumen dalam memilih  ikan yang akan dikonsumsi mendapat ikan yang kurang segar. Sehingga butuh suatu sistem yang bisa membantu konsumen dalam memilih ikan yang segar atau tidak. Salah satu pendekatan dalam pengenalan suatu gambar adalah menggunakan metode Convolutional Neural Network. Metode ini salah satu metode Deep learning yang dapat digunakan untuk mengenali dan mengklasifikasi sebuah objek pada sebuah citra digital. Berdasarkan hasil pembahasan dengan menggunakan  jumlah 20 epoch, nilai learning rate 0.001 diperoleh nilai accuracy dari training model mencapai 93 %  dengan    nilai loss sebesar 0.2005.

Kata Kunci


Deep Learning, Convolutional Neural Network, Image Classification, Kesegaran Ikan Nila

Teks Lengkap:

PDF

Referensi


AB. Chandra at al, Karakteristik Ikan Nila (Oreochromis Niloticus) Dan Ikan Lele (Clarias Sp.)Pada Fase Rigor Mortis. JFMR Volume 4 no 2.

Finki Dona Marleny, 2021. Pengolahan Citra Digital Menggunakan Python. Penerbit CV. Pena Persada Redaksi. Purwokerto, Jawa Tengah.

Lego Suhono at al, 2019 . Tingkat Kesegaran Ikan Sebagai Bahan Baku Olahan, http://www.pusdik.kkp.go.id/elearning/index.php/modul/read/190116-120050uraian-c-materi

Nugroho, A., 2015. Klasifikasi nodul tiroid berbasis ciri tekstur pada citra ultrasonografi. Universitas Gadjah Mada

Miftahus Sholihin at al , 2021. Identifikasi Kesegaran Ikan Berdasarkan Citra Insang Dengan Metode Convolution Neural Network. Jurnal Teknik Informatika dan Sistem Informasi Vol. 8, No. 3, September 2021, Hal. 1352-1360.

Miftahur Danar Ramadhan at al , 2019. Pengolahan Citra untuk Mengetahui Tingkat Kesegaran Ikan Menggunakan Metode Transformasi Wavelet Diskrit. JURNAL SAINS DAN SENI ITS Vol. 8, No. 1 (2019), 2337-3520 (2301-928X Print).

Muchlisin Riadi, 2016, Pengolahan Citra Digital. https://www.kajianpustaka.com/2016/04/pengolahan-citra-digital.html

M. Z. Alom at al, 2018. The History Began from AlexNet: A Comprehensive Survey on Deep Learning Approaches/ arXiv.

Sutoyo, 2009. Teori Pengolahan Citra Digital. Yogyakarta: Andi Yogyakarta dan UDINUS Semarang.

Suyanto at al , 2019. Deep Learning: Modernisasi Machine Learning untuk Big Data, Bandung: Penerbit Informatika.

Toni Dwi Novianto at al, 2020. Perbandingan Metode Klasifikasi pada Pengolahan Citra Mata Ikan Tuna. Prosiding SNFA (Seminar Nasional Fisika dan Aplikasinya).

Wella at al, 2017. Perbandingan Algoritma kNN, C4.5, dan Naive Bayes dalam Pengklasifikasian Kesegaran Ikan

Menggunakan Media Foto. ULTIMATICS, Vol. IX, No. 2.

Zaenul Arif & Muhamad Lutfi , 2022. Identifikasi Kesegaran Ikan Berdasarkan Citra Insang dengan Metode Deep Convolution Neural Network, Jurnal Minfo Polgan Volume 11, Nomor 02.




DOI: https://doi.org/10.31294/jki.v11i1.14305

DOI (PDF): https://doi.org/10.31294/jki.v11i1.14305.g6010

##submission.copyrightStatement##

p-ISSN 2339-1928

e-ISSN 2579-633X


Dipublikasikan oleh LPPM Universitas Bina Sarana Informatika

Email : jurnalkhatulistiwainformatika@bsi.ac.id

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License

 

Jurnal Khatulistiwa Informatika Indexed by:

Image result for logo index sinta