Juliansyah, (NIM. 1021711008) (2024) Rancang bangun aplikasi klasifikasi kesegaran ikan laut berdasarkan citra mata menggunakan algoritma convolutional neural network. skripsi thesis, Universitas Bangka Belitung.
![]() |
Text
HALAMAN DEPAN.pdf Restricted to Registered users only Download (1MB) | Request a copy |
![]() |
Text
BAB I.pdf Restricted to Registered users only Download (167kB) | Request a copy |
![]() |
Text
BAB II.pdf Restricted to Registered users only Download (583kB) | Request a copy |
![]() |
Text
BAB III.pdf Restricted to Registered users only Download (785kB) | Request a copy |
![]() |
Text
BAB IV.pdf Restricted to Registered users only Download (8MB) | Request a copy |
![]() |
Text
BAB V.pdf Restricted to Registered users only Download (102kB) | Request a copy |
![]() |
Text
DAFTAR PUSTAKA.pdf Restricted to Registered users only Download (225kB) | Request a copy |
![]() |
Text
LAMPIRAN.pdf Restricted to Repository staff only Download (816kB) | Request a copy |
Abstract
Kesegaran ikan laut merujuk pada kualitas ikan setelah ditangkap, mencakup tekstur, bau, warna, dan penampilan keseluruhan. Kesegaran ini penting karena menentukan keamanan konsumsi dan nilai gizi ikan. Ikan seperti kembung lelaki dan selar como kaya protein, omega-3, vitamin, dan mineral. Ikan tidak segar dapat menyebabkan keracunan makanan akibat bakteri patogenik. Metode manual mendeteksi kesegaran sering tidak akurat dan bergantung pada keahlian individu. Beberapa penelitian sebelumnya hanya sebatas analisis, oleh karena itu, penelitian bertujuan membuat mengembangkan aplikasi Android untuk mendeteksi kesegaran ikan laut. Penelitian ini menggunakan model waterfall dan CNN dengan arsitektur MobileNetV2 yang cocok untuk Android. Trainning dilakukan di Google Colaboratory dengan total dataset trainning sebanyak 6912 dan testing 480. Hasil pelatihan disimpan dalam format .tflite untuk diimpor sebagai assets pada Flutter. Pengujian fungsional menggunakan blackbox dan dilakukan dengan lima perangkat Android berbeda. Model mengklasifikasi citra kesegaran ikan selar como dan kembung menjadi sangat segar, segar, busuk, dan sangat busuk, dengan total 864 citra per label. Dataset training dan validation dibagi 80%:20%. Model MobileNetV2 dievaluasi dengan akurasi 83%. Hasil pengujian aplikasi menunjukkan semua fitur berjalan dengan baik.Pengujian lima perangkat Android menghasilkan rata-rata akurasi 67%. Kamera 48MP (Quad) mencapai 80%, 48MP (Triple) 69%, 13MP (Dual) 67%, 13MP (Single) 61%, dan 12MP (Dual) 60%. Kuisioner menunjukkan aplikasi diperlukan terutama bagi pembeli ikan pemula untuk mengklasifikasi kesegaran ikan.
Item Type: | Thesis (skripsi) |
---|---|
Uncontrolled Keywords: | Android; CNN; ikan kembung; ikan selar como; MobileNetV2 |
Subjects: | T Technology > TK Electrical engineering. Electronics Nuclear engineering |
Divisions: | SKRIPSI > Fakultas Teknik > Teknik Elektro |
Depositing User: | Mr Janfrist Pagendo Purba |
Date Deposited: | 29 Aug 2024 01:35 |
Last Modified: | 29 Aug 2024 01:35 |
URI: | http://repository.ubb.ac.id/id/eprint/9698 |
Actions (login required)
![]() |
View Item |