KLASIFIKASI KESEGARAN IKAN LEMURU BERDASARKAN CITRA MATA MENGGUNAKAN METODE CONVOLUTIONAL NEURAL. NETWORK

Ikan merupakan sumber protein yang baik bagi tubuh manusia, ikan juga merupakan salah satu bahan pangan yang sangat digemari oleh masyarakat. Ikan juga memiliki nilai gizi tinggi bagi tubuh manusia, namun ikan sangat rentan akan kualitas kesegarannya. Kesegaran ikan merupakan parameter yang penting bagi kesegaran ikan, salah satu ciri dari menurunnya kualitas ikan dapat dilihat pada mata ikan itu sendiri, oleh sebab itu dengan berkembangnya teknologi yang sangat cepat ada banyak cara untuk menentukan kesegaran ikan lemuru berdasarkan citra mata, salah satunya adalah dengan menggunakan metode Convolutional Neural Network (CNN) yaitu sebuah metode perkembangan dari multilayer percepton (MLP) yang mengidentifikasi sebuah gambar ataupun suara. Pada penelitian ini arsitektur CNN yang digunakan untuk mengukur tingkat akurasi, sensitifitas dan spesifisitas adalah VGG-16, dengan keseluruhan dataset yang digunakan sebanyak 1920 citra mata ikan lemuru, VGG-16 memiliki 13 convolution layer dan 5 pooling layer. VGG-16 ini memiliki dua layer fully connected layer yang memiliki 4096 neuron pada setiap layer, pada layer yang terakhir terdapat pengklasifikasian dua kelas yang menggunakan aktifasi softmax. Hasil dari penelitian ini mendapatkan akurasi sebesar 98,4%, sensitivitas 98,5%, dan spesifisitas 98,5%, dari hasil efektivitas model metode CNN mengalami overfitting dikarenakan mengalami penurunan akurasi saat uji coba dataset baru. Kesimpulannya adalah metode Convolutional Neural Network (CNN) yang telah dibangun relatif mampu mengidentifikasi kesegaran ikan berdasarkan citra mata dan tingkat efektivitas model mengidentifikasi kesegaran ikan berdasarkan citra mata kurang baik dikarenakan mengalami penurunan akurasi saat menggunakan data uji atau data baru.