SHENDI, MAULANA PUTRA (2022) PROGRAM APLIKASI COMPUTER VISION UNTUK MENDETEKSI KESEGARAN IKAN NILA (Oreochromis niloticus) UTUH (22t658). Undergraduate thesis, Universitas Diponegoro.

Text Cover Maulana Putra Shendi 22t658.pdf Download (499kB)

Abstract

ABSTRAK
Maulana Putra Shendi. 26060118120020. Program Aplikasi Computer
Vision Untuk Mendeteksi Kesegaran Ikan Nila (Oreochromis niloticus) Utuh
(Ahmad Suhaeli Fahmi dan Apri Dwi Anggo)
Kesegaran ikan merupakan hal yang penting dan mendasar sebelum
melakukan pengolahan. Pengujian kesegaran konvensional sering kali bersifat
destruktif kepada ikan tersebut. Pengujian organoleptik juga dinilai kurang efektif
jika digunakan pada jumlah ikan yang banyak. Maka dari itu diperlukan pengujian
alternatif untuk mengujikan tingkat kesegaran ikan tersebut. Pengujian ini tidak
boleh bersifat destruktif terhadap bahan pangan tersebut, namun juga efektif untuk
menyeleksi kesegaran ikan. Saat ini terdapat metode pengenalan secara visual yang
dibantu dengan teknologi machine learning. Tujuan dari penelitian ini adalah untuk
mengetahui seberapa efektif penggunaan computer vision terhadap penentuan
tingkat kesegaran ikan. Penelitian ini akan mendapatkan keluaran berupa prototipe
yang dapat digunakan untuk penentuan kesegaran ikan dengan menggunakan
teknologi website. Computer vision pada penelitian ini menggunakan algoritma
CNN (Convolutional Neural Network). Model akan ditrain dengan menggunakan
data yang berasal dari uji kesegaran konvensional. Pola dari uji kesegaran dari uji
konvensional akan dibagi menjadi empat label. Label tersebut adalah segar, cukup
segar, tidak segar,sangat tidak segar. Rata-rata ikan segar yang disimpan dengan
suhu 10°C akan mengalami kemunduran mutu pada hari ke 3 sampai hari ke 4. Pola
ini yang akan menjadi acuan dalam pembuatan model. Model yang dihasilkan
mendapatkan hasil training accuracy 0,84 dan validation accuracy 0,78. Hasil dari
model tersebut didapatkan dari data training yang diperkuat oleh data testing yang
berasal dari ikan segar hasil dari pengujian secara sensori, TVBN, dan TPC. Selain
itu hasil model mendapatkan training loss 2,376 dan validation loss 1,800.
Kata kunci: Computer Vision , Convolutional Neural Network, Kesegaran Ikan

ABSTRACT
Maulana Putra Shendi. 26060118120020. Computer Vision Application
Program To Detect Whole Fresh Tilapia (Oreochromis niloticus) (Ahmad Suhaeli
Fahmi dan Apri Dwi Anggo)
Freshness of fish is important and basic before being processed.
Conventional freshness testing often damages fish. Organoleptic testing is also
considered less effective if it is used in large quantities of fish. Therefore an
alternative test is needed to test the freshness of the fish. This test should not damage
the food ingredients, but is also effective for selecting the freshness of the fish.
Currently there is a visual recognition method that is assisted by machine learning
technology. The purpose of this research is to find out how effective the use of
computer vision is in determining the freshness level of fish. This research will get
output in the form of a prototipe that can be used to determine the freshness of fish
using website technology. Computer vision in this study uses the CNN
(Convolutional Neural Network) algorithm. The model will be trained using data
derived from conventional freshness tests. The freshness test pattern from the
conventional test will be divided into four labels. The labels are fresh, moderately
fresh, not fresh, not very fresh. On average, fresh fish stored at 10°C will experience
a decrease in quality on day 3 to day 4. This pattern will be used as a reference in
making the model. The resulting model has a Training accuracy of 0.84 and a
Validation accuracy of 0.78. The results of this model were obtained from training
data which was strengthened by test data derived from sensory, TVBN, and TPC
fresh fish. In addition, the model results get a training loss of 2.376 and a validation
loss of 1.800.
Keywords: Computer Vision, Convolutional Neural Network, Fish Freshness

Actions (login required)

View Item