Article Per Year (5 Year)
p-Index From 2020 - 2025
4.445
P-Index
This Author published in this journals
All Journal Pixel : Jurnal Ilmiah Komputer Grafis Elkom: Jurnal Elektronika dan Komputer Jurnal Sarjana Teknik Informatika Jurnal Informatika dan Teknik Elektro Terapan TELKA - Telekomunikasi, Elektronika, Komputasi dan Kontrol Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Progresif: Jurnal Ilmiah Komputer Technologia: Jurnal Ilmiah Jurnal Mnemonic JATI (Jurnal Mahasiswa Teknik Informatika) JTIK (Jurnal Teknik Informatika Kaputama) Jurnal Teknologi Informatika dan Komputer Bit (Fakultas Teknologi Informasi Universitas Budi Luhur) Journal of Practical Computer Science (JPCS) Journal Of Artificial Intelligence And Software Engineering JuTISI (Jurnal Teknik Informatika dan Sistem Informasi)
Prajoko .
Universitas Muhammadiyah Sukabumi
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering

Published : 28 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Jurnal Informatika dan Teknik Elektro Terapan

 1 
PENERAPAN MODEL CONVOLUTIONAL NEURAL NETWORK (CNN) BERBASIS MOBILENETV2 UNTUK KLASIFIKASI TINGKAT KESEGARAN IKAN NILA Rambe, Sarah Syakira; Asriyanik, Asriyanik; Prajoko, Prajoko
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 3 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i3.6744

Abstract

Ikan nila (Oreochromis niloticus) merupakan salah satu komoditas perikanan bernilai ekonomi tinggi yang banyak dikonsumsi masyarakat Indonesia. Namun, ikan termasuk produk mudah rusak jika tidak ditangani dengan baik. Tingkat kesegaran ikan menjadi parameter penting dalam penentuan mutu dan harga jual, tetapi penilaian secara manual cenderung subjektif. Penelitian ini bertuuan mengembangkan sistem otomatis untuk mendeteksi tingkat kesegaran ikan nila menggunakan metode Convolutional Neural Network (CNN) dengan pendekatan CRISP-DM. Dataset terdiri dari 6.889 citra mata, kulit, dan insang ikan nila yang diperoleh dari Kaggle dan sumber data pribadi. Pengolahan data meliputi resize, normalisasi, dan augmentasi citra. Model dibangun dengan arsitektur MobileNetV2, diikuti GlobalAveragePooling2D, dense layer, dan aktivasi sigmoid sebagai output layer. Pelatihan dilakukan dalam dua tahap, pretaining dan fine-tuning. Hasil menunjukkan akurasi sebesar 99,39% pada data latih dan 100% pada validasi di tahap pretraining, serta akurasi sebesar 99,36% pada data latih dan 100% pada validasi di tahap fine-tuning. Evaluasi menggunakan Confusion Matrix menghasilkan akurasi, presisi, recall, F1-Score sebesar 95% pada threshold 0.4. Model CNN yang dikembangkan terbukti efektif dan dapat digunakan sebagai sistem pendukung keputusan dalam penilaian mutu produk perikanan.
Co-Authors Adi Sunarto, Asril Afiansyah, Rifan Afrilia S, Nandita Agung Pambudi Agung Pambudi Agung Pambudi Agung Prakarsa Alpiana, Deni Anadella, Shakira Andriyana, Rifki Asep Budiman Kusdinar Asril Adi Sunarto Asriyanik . Ayudita Puspitasari Aziz Jabbar, Fazli Budiman Kusdinar, Asep BudimanKusdinar, Asep Didik Indrayana Diyo Sukma Pradana Eko Farhan, Arief Fahrizal Fahrizal Fathia Frazna Az-Zahra Frazna Az-Zahra, Fathia Ganjar Gumilar George Pri Hartawan Hartawan, George Pri Herdiansah, Mohamad Firdaus Indriyana, Didik Ismuhamdan, M. Elki Iwan Rizal Setiawan Larasati Mayan Pramesti Lelah Lelah Mohamad Firdaus Herdiansah Mubharak, Gilang Fauzul Muhammad Gelar Andhika Narti fitrianti Nasrul, Elvan Nur Afiati, Alfi Pambudi, Agung Rambe, Sarah Syakira Restu Shafira Rifqi Almadani, Muhammad Siti Rahma, Leonie Tiara Amelia Widdy Arfiansyah Winda Apriandari