Implementasi Metode Faster R-CNN untuk Menentukan Tingkat Kesegaran dan Spesies pada Ikan Berbasis Android

Abstract

Ikan merupakan salah satu makanan pokok bagi masyarakat Indonesia. Terdapat ratusan jenis spesies ikan yang biasa dikonsumsi baik ikan laut maupun ikan tawar. Kesegaran pada ikan merupakan faktor penting yang harus diperhatikan sebelum ikan dikonsumsi. Begitu banyaknya spesies ikan yang mirip menyebabkan kesulitan dalam mengenali spesies ikan dan tingkat kesegaran ikan secara langsung. Oleh karena itu, diperlukan sebuah sistem aplikasi menggunakan pengolahan citra digital untuk menentukan spesies dan tingkat kesegaran pada ikan. Pada penelitian ini terdapat lima spesies ikan yang akan diklasifikasi yaitu ikan gurame, mujair, nila, kakap, dan bawal dengan empat tingkatan kesegaran. Metode klasifikasi yang digunakan pada penelitian ini adalah Faster Region Convolutional Neural Network. Penelitian ini menggunakan 3000 yang dibagi menjadi data training dan data testing. 2400 data digunakan sebagai data training dan 600 data digunakan sebagai data testing. Setelah dilakukan pengujian pada penelitian ini, dapat disimpulkan bahwa hasil penelitian ini dinilai sudah cukup baik dalam mengklasifikasikan lima jenis spesies ikan dengan empat tingkatan kesegaran dan menunjukkan bahwa metode yang dipakai mampu melakukan klasifikasi spesies dan tingkat kesegaran pada ikan dengan akurasi sebesar 92%

Fish is one of the staple foods for the people of Indonesia. There are hundreds of types of fish species that are commonly consumed by both marine fish and freshwater fish. Freshness in fish is an important factor that must be considered before fish is consumed. So many similar fish species make it difficult to identify fish species and the level of freshness of fish directly. Therefore, we need an application system using digital image processing to determine the species and level of freshness in fish. In this study, there were five species of fish to be classified, namely carp, mujair, tilapia, snapper, and pomfret with four levels of freshness. The classification method used in this study is the Faster Region Convolutional Neural Network. This study uses 3000 which is divided into training data and testing data. 2400 data is used as training data and 600 data is used as testing data. After testing in this study, it can be concluded that the results of this study are considered good enough in classifying five types of fish species with four levels of freshness and indicate that the method used is capable of classifying species and the level of freshness of fish with an accuracy of 92%.