<![CDATA[Ikan merupakan komoditas utama laut yang penting sebagai sumber makanan. Ikan perlu diketahui kesegarannya sebelum dikonsumsi manusia. Tingkat kesegaran ikan biasanya diidentifikasi dengan cara konvensional seperti analisis kimiawi atau biokimiawi ikan, analisis kandungan mikrobiologi pada ikan, dan metode pemeriksaan sensori. Metode-metode tersebut dapat dilakukan namun membutuhkan kekuatan manusia yang cenderung mengalami kelelahan. Penelitian ini bertujuan untuk mengidentifikasi kesegaran ikan hasil tangkapan dengan menggunakan sistem komputerisasi digital. Metode yang digunakan adalah K-Nearest Neighbor dengan memanfaatkan citra mata ikan berbasis nilai fitur warna RGB. Data yang digunakan adalah 150 citra mata ikan yang diambil pada rentang waktu satu jam, lima jam, dan 10 jam. Citra mata ikan tersebut sebelumnya telah dilakukan cropping, segmentasi dan ekstraksi nilai RGB untuk kemudian diklasifikasikan berdasarkan kelas target. Data penelitian dibagi menjadi 120 citra untuk pelatihan dan 30 citra untuk pengujian. Hasil pengujian menunjukkan bahwa nilai akurasi paling tinggi menggunakan nilai K=1 yaitu sebesar 93,33%. Berdasarkan hasil akurasi tersebut maka metode KNN dapat menjadi model pengembangan identifikasi kesegaran ikan menggunakan citra digital.]]>
Copyrights © 2022
