Pengolahan Citra untuk Membedakan Ikan Segar dan Tidak Segar Menggunakan Convolutional Neural Network

Arif Agustyawan

Abstract

Abstrak: 

Proses penyortiran ikan yang dilakukan oleh nelayan atau penjual, untuk menyeleksi ikan berdasar kualitasnya masih menggunakan metode manual dan terkadang meleset karena faktor keterbatasan indra penglihatan ketika lelah. Selama ini pemeriksaan hanya dillihat secara fisik. Akibatnya, saat akan dikonsumsi ikan tersebut kerap kali sudah rusak. Penelitian ini mencoba menerapkan algoritma Convolutional Neural Network (CNN) untuk membedakan ikan segar dan tidak segar. Convolutional Neural Network merupakan salah satu metode deep learning yang mampu melakukan proses pembelajaran mandiri untuk pengenalan objek, ekstraksi objek, dan klasifikasi objek. Pada penelitian ini, diterapkan algoritma Convolutional Neural Network untuk membedakan ikan segar dan tidak segar. Proses learning jaringan menghasilkan akurasi 100% terhadap data training dan data validation. Pengujian terhadap data testing juga menghasilkan akurasi 100%. Hasil penelitian ini menunjukan bahwa penggunaan metode Convolutional Neural Network mampu mengidentifikasi dan mengklasifikasikan ikan segar dan tidak segar dengan sangat baik.

___________________________

Abstract:

The fish sorting process carried out by fishermen or sellers, to select fish based on quality is still using manual methods and sometimes misses due to the limited sense of sight when tired. So far the examination has only been seen physically. As a result, the fish will often be damaged when consumed. This study tries to apply the Convolutional Neural Network (CNN) algorithm to distinguish between fresh and non-fresh fish. Convolutional Neural Network is a method of deep learning that is capable of conducting independent learning processes for object recognition, object extraction, and object classification. In this study, the Convolutional Neural Network algorithm is applied to distinguish between fresh and non-fresh fish. Network learning process produces 100% accuracy of training data and data validation. Testing of testing data also results in 100% accuracy. The results of this study indicate that the use of the Convolutional Neural Network method can identify and classify fresh and non-fresh fish very well.

Full Text:

PDF

References

M. D. Ramadhan and B. Setiyono, “Pengolahan Citra untuk Mengetahui Tingkat Kesegaran Ikan Menggunakan Metode Transformasi Wavelet Diskrit,” J. Sains dan Seni ITS, vol. 8, no. 1, pp. 23–28, 2019.

S. Dwiyanto, Iksal, and S. Nugraha, “Alat Pendeteksi Kesegaran Ikan Menggunakan Metode K-Nearest Neighbor Berdasar Warna Mata Berbasis ATMega 328,” J. PROSISKO, vol. 5, no. 2, pp. 127–135, 2018.

H. F. Astuti, Pengolahan Citra Digital Konsep dan Teori. Yogyakarta: Andi, 2013.

L. Marifatul Azizah, S. Fadillah Umayah, and F. Fajar, “Deteksi Kecacatan Permukaan Buah Manggis Menggunakan Metode Deep Learning dengan Konvolusi Multilayer,” Semesta Tek., vol. 21, no. 2, pp. 230–236, 2018.

R. Feng, J. Gu, Y. Qiao, and C. Dong, “Suppressing Model Overfitting for Image Super-Resolution Networks,” in IEEE Computer Society Conference on Computer Vision and Pattern Recognition Workshops, 2019, vol. 2019-June, pp. 1964–1973.

V. Maha, P. Salawazo, D. Putra, J. Gea, F. Teknologi, and U. P. Indonesia, “Implementasi Metode Convolutional Neural Network ( CNN ) Pada Peneganalan Objek Video Cctv,” J. Mantik Penusa, vol. 3, no. 1, pp. 74–79, 2019.

I. W. S. E. Putra, “Klasifikasi Citra Menggunakan Convolutional Neural Network ( Cnn ) Pada Caltech 101,” Institut Teknologi Sepuluh Nopember, 2016.

E. N. Arrofiqoh and H. Harintaka, “Implementasi Metode Convolutional Neural Network Untuk Klasifikasi Tanaman Pada Citra Resolusi Tinggi,” Geomatika, vol. 24, no. 2, p. 61, 2018.

A. Thohari and G. B. Hertantyo, “Implementasi Convolutional Neural Network untuk Klasifikasi Pembalap MotoGP Berbasis GPU,” in Proceedings on Conference on Electrical Engineering, Telematics, Industrial Technology, and Creative Media, 2018, pp. 50–55.

N. M. S. Iswari, W. Wella, and R. Ranny, “Perbandingan Algoritma kNN, C4.5, dan Naive Bayes dalam Pengklasifikasian Kesegaran Ikan Menggunakan Media Foto,” J. Ultim., vol. 9, no. 2, pp. 114–117, 2017.

L. Cahyono and S. Supatman, “Identifikasi Daging Sapi Segar Dan Beku Menggunakan Learning Vector Quantization,” JMAI (Jurnal Multimed. Artif. Intell., vol. 2, no. 2, pp. 37–44, 2018.

Q. Lina, “Apa itu Convolutional Neural Network?,” 2019. [Online]. Available: https://mc.ai/apa-itu-convolutional-neural-network/.

Sukardi, Z. Arifin, and M. Risaldi, “Klasifikasi Penentuan Gambar Berbasis Tensorform Dan Framework Dengan Algoritma CNN,” in Seminar Nasional APTIKOM (SEMNASTIKOM), 2017, no. November, pp. 1–4.

R. Kestrilia, C. Ivan, and H. Setiawan, “Implementasi Convolutional Neural Network untuk Sistem Prediksi Pigmen Fotosintesis pada Tanaman Secara Real Time,” J. Tek. Inform. dan Sist. Inf., vol. 4, no. 2, pp. 326–336, 2018.

S. Fauzi, P. Eosina, and G. F. Laxmi, “Implementasi Convolutional Neural Network Untuk Identifikasi Ikan Air Tawar,” in Seminar Nasional Teknologi Informasi, 2019.

DOI: https://doi.org/10.20961/ijai.v5i1.41770

Refbacks