ANALISIS KESEGARAN IKAN MUJAIR DAN IKAN NILA DENGAN METODE CONVOLUTIONAL NEURAL NETWORK

Abstract

Dalam riset ini, kami melakukan eksperimen implementasi klasifikasi kesegaran ikan mujair dan ikan nila (segar dan tidak segar) berdasarkan mata ikan menggunakan transfer learning dari enam CNN, yaitu Resnet, Alexnet, Vgg-16, Squeezenet, Densenet dan Inception. Dari hasil eksperimen klasifikasi dua kelas kesegaran ikan mujair menggunakan 451 citra menunjukkan bahwa VGG mencapai kinerja terbaik dibanding arsitektur lainnya dimana akurasi klasifikasi mencapai 73%. Dengan akurasi lebih tinggi dibanding arsitektur lainnya maka Resnet relatif lebih tepat digunakan untuk klasifikasi dua kelas kesegaran ikan Mujair, sedangkan ikan nila dengan menggunakan 574 citra menunjukkan bahwa VGG mencapai kinerja lebih baik dibanding arsitektur lainnya dengan akurasi klasifikasi mencapai 57,9%, dengan demikan maka VGG relatif lebih tepat digunakan untuk klasifikasi dua kelas kesegaran ikan Nila.