KLASIFIKASI TINGKAT KESEGARAN IKAN KUNIRAN (UPENEUS SULPHUREUS) BERBASIS CITRA MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK DAN RANDOM FOREST CLASSIFIER

• NANIK WURYANI
• 14002336

---

ABSTRAK

Ikan segar memiliki jual nilai yang lebih tinggi dan juga memiliki nilai gizi yang masih terjaga. Lamanya proses yang dialami oleh ikan dari penangkapan hingga ke tangan konsumen membuat kualitas ikan semakin menurun. Penjual ikan harus bisa membedakan kualitas ikan, segar atau tidak segar. Pada peneltian ini di usulkan sebuah model arsitektur Convolutional Neural Network (CNN) dengan menambahkan Random Forest Classifier untuk mengklasifikasikan tingkat kesegaran ikan dari citra mata ikan. MOdel ini diuji dengan menerapkan tiga jenis optimizer yaitu root mean square propagation, adaptive moment estimation dan stochastic gradient descent. dari hasil penelitian, didapatkan bahawa penggunaan adam optimizer lebih cocok diterapkan pada model yang di usulkan. model dengan adam optimizer menghasilkan nilai akurasi sebesar 99.03% dengan tambahan random forest classifier. model ini dapat digunakan untuk memilah ikan segar dan tidak segar dalam jumlah banya dan dengan waktu yang cepat.

kata kunci : kesegaran ikan, klasifikasi ,CNN, random forest classifier

KATA KUNCI

Image processing,Convolutional Neural Network,Algoritma Random Forest

---

DAFTAR PUSTAKA

B. Bahrudin "Kelimpahan stok sumber daya ikan demersal di perairan sub area laut jawa" 2016
H.azizah "Dinamika populasi ikan kuniran di perairan selat sunda banten" 2019
S.N Indonesia "ikan segar" 2013
N.Ketkar " Convolutional Neural Networks" in deep learning with python" 2017
J.Gu "recent advances in convolutional neural networks patterns" 2018
L. Breiman "random forest mach learn" 2001
E. Yazan "comparison of the stohastic gradient descent based optimization techniques" 2017
A.M Yusuf "Metode penelitian kuantitatif, kualitatif dan penelitian gabungan" 2016
S.Siyoto "Dasar metodologi penelitian" 2015