Klasifikasi Kesegaran Ikan Menggunakan Citra Mata dengan Convolutional Neural Network Arsitektur VGG-16

Abstract

Ikan laut merupakan jenis ikan yang paling banyak dikonsumsi oleh rumah tangga di Indonesia, berperan sebagai sumber protein yang penting bagi tubuh. Menurut penelitian Matondang (2022) dalam "Perbandingan Kadar Protein Ikan Air Tawar dan Ikan Air Laut," kadar protein ikan laut lebih tinggi dibandingkan dengan ikan air tawar, sehingga kualitas ikan yang baik memberikan banyak manfaat bagi tubuh. Industri perikanan memiliki peran penting dalam penyediaan pangan, terutama di negara maritim seperti Indonesia. Kesegaran ikan laut, sebagai sumber protein utama bagi banyak rumah tangga, sangat menentukan kualitas dan keamanan konsumsinya. Kesegaran ini berpengaruh pada nilai gizi, cita rasa, dan mencegah risiko kesehatan dari konsumsi ikan yang tidak segar. Penelitian ini menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur VGG-16 untuk mengklasifikasikan kesegaran ikan berdasarkan citra mata. Dataset yang digunakan terdiri dari 1.903 citra mata ikan, yang setelah augmentasi menjadi 4.560 citra. Hasil klasifikasi menunjukkan bahwa model VGG-16 mampu membedakan mata ikan segar dan tidak segar dengan tingkat akurasi 85,26%. Penelitian ini diharapkan dapat membantu industri perikanan dalam memantau kualitas ikan secara lebih efektif dan efisien, serta meningkatkan keamanan konsumsi ikan bagi masyarakat.