Analisis Deteksi Citra Mata Ikan Nila dengan Metode Convolutional Neural Network Arsitektur Alexnet

Abstract

Kualitas kesegaran ikan nila terletak pada proses pembekuan. ikan nila memiliki lapisan sisik yang tebal di seluruh permukaan tubuhnya, yang dapat menghambat proses pembekuan secara merata. Ketidakteraturan dalam proses ini berpotensi menurunkan kualitas dan kesegaran ikan selama penyimpanan. Kondisi ini merugikan dan menyulitkan konsumen dalam menilai tingkat kesegaran ikan hanya melalui pengamatan penglihatan secara manual, seperti memeriksa kondisi mata ikan. Oleh karena itu, tujuan utama riset yaitu, membangun sistem deteksi citra mata ikan dengan metode penilaian kesegaran yang cepat, akurat, dan objektif untuk membantu konsumen menjadikanya opsi utama yang harus dilakukan. Model CNN memiliki keunggulan dalam akurasi serta klasifikasi citra, selain itu model CNN dapat ditingkatkan melalui penambahan arsitektur salah satunya arsitektur alexnet. Proses tahapan metodologi klasifikasi dataset yaitu diperoleh dari kaggle berdasarkan citra mata ikan Nila dengan membaginya ke dalam dua kelas, yaitu kelas 'mata ikan nila segar' dan kelas 'mata ikan nila kurang segar' dan preprocessing menghasilkan modeling cnn untuk deteksi citra mata ikan. Hasil analisis diperoleh Gambar ikan nila digunakan sebagai data uji dan diberikan sebagai input ke dalam model yang telah dilatih dengan hanya memerlukan waktu sekitar 68 milidetik per langkah (68 ms/step). Berdasarkan analisis terhadap pola visual, seperti warna mata, tekstur kulit, serta ciri fisik lainnya, model mengkategorikan ikan tersebut dikondisi tidak segar. Untuk kelanjutan riset perlu dilakukan keseimbangan dataset citra dengan menggunakan Bayesian hyperparameter.