Penerapan CNN Arsitektur VGG16 untuk Deteksi Kesegaran Ikan Berdasarkan Citra Digital

Abstrak

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.