IDENTIFIKASI KESEGARAN IKAN DENGAN MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK BERBASIS ANDROID

Ikan adalah sumber protein hewani kelas dua setelah daging, susu dan telur. Kajian mutakhir menempatkan ikan dan berbagai hasil laut sebagai sumber vitamin dan mineral esensial yang amat kaya. Sebagai Negara kepulauan, Indonesia memiliki potensi sumber daya perikanan yang sangat besar. Laporan Kementerian Kelautan dan Perikanan (KKP) menunjukkan angka konsumsi ikan nasional tahun 2020 naik dibanding tahun sebelumnya. Hal ini menunjukkan konsumsi ikan di Indonesia cukup tinggi. Sayangnya tidak semua masyarakat tahu membedakan ikan yang segar dan tidak. Maka dari itu, dalam penelitian ini dibuat sebuah sistem yang dapat mengidentifikasi kesegaran ikan berbasis android. Metode yang digunakan yaitu Convolutional Neural Network dengan model yang dibangun dari awal dan dataset berjumlah 540. Dataset terdiri dari 3 class (segar, baik, dan tidak layak). Inputan gambar berukuran 256 x 256 x 3 channel RGB. Model yang dibuat mengunakan tiga convolution layer dan dua fully connected layer. Model dilatih menggunakan batch size 32, learning rate default, optimizer Adam dan menggunakan fungsi aktivasi ReLU dan softmax. Model dibuat digoogle colaboratory yang kemudian diconvert keTensorFolw Lite untuk penerapan pada android. Metode CNN menghasilkan model yang dapat mendeteksi kesegaran ikan. Proses training dilakukan dengan menggunakan parameter epoch 20 dan menghasilkan akurasi sebesar 98% pada data test. Hasil pengujian menggunakan aplikasi android dengan 60 sampel data baru memberikan hasil 96,67%. Hal ini menunjukkan bahwa aplikasi android dapat berjalan dengan baik.