Article Per Year (5 Year)
p-Index From 2020 - 2025
2.165
P-Index
This Author published in this journals
All Journal Biosaintifika: Journal of Biology & Biology Education Jurnal Iktiologi Indonesia (Indonesian Journal of Ichthyology) Jurnal Pengabdian Masyarakat: Darma Bakti Teuku Umar Jurnal Akuakultura Universitas Teuku Umar Jurnal Abdi Insani Marine Kreatif Arwana: Jurnal Ilmiah Program Studi Perairan Journal of Rural and Urban Community Empowerment Mahseer : Jurnal Ilmu-ilmu Perairan dan Perikanan Jurnal Teknologi Informasi Journal of Aceh Aquatic Sciences
Syahril, Alfis
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Humanities Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Earth & Planetary Sciences Economics, Econometrics & Finance Education Energy Engineering Environmental Science Health Professions Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Other

Published : 15 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Jurnal Teknologi Informasi

 1 
Penerapan CNN Arsitektur VGG16 untuk Deteksi Kesegaran Ikan Berdasarkan Citra Digital Suhendra, Rivansyah; Ayu, Ratih Sari; Qaisa, Rara Syifa; Juliwardi, Ilham; Astrianda, Nica; Arisna, Puput; Syahril, Alfis; Hasanah, Uswatun
Jurnal Teknologi Informasi Vol 4, No 1 (2025): Mei
Publisher : Universitas Teuku Umar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35308/jti.v4i1.12301

Abstract

Kesegaran ikan merupakan indikator utama dalam menentukan kualitas dan keamanan produk perikanan. Penilaian secara manual masih bersifat subjektif dan memerlukan keahlian khusus. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi tingkat kesegaran ikan secara otomatis menggunakan algoritma Convolutional Neural Network (CNN) dengan arsitektur VGG16. Data berupa 1.378 citra mata ikan dikumpulkan dari pasar ikan di Meulaboh dan Blangpidie, kemudian melalui proses preprocessing menggunakan teknik contrast stretching. Dataset dibagi menjadi data latih (80%) dan data validasi (20%). Proses pelatihan dilakukan dengan menerapkan augmentasi dan normalisasi data guna meningkatkan kemampuan generalisasi model. Hasil pengujian menunjukkan bahwa model mampu mengklasifikasikan citra dengan akurasi, precision, recall, dan F1-score sebesar 100%. Analisis confusion matrix menunjukkan tidak adanya kesalahan klasifikasi pada data validasi. Temuan ini menunjukkan bahwa citra mata ikan merupakan fitur visual yang efektif untuk mengidentifikasi tingkat kesegaran. Sistem yang dikembangkan memiliki potensi untuk diimplementasikan dalam proses sortir dan kontrol mutu hasil perikanan. Penelitian selanjutnya disarankan untuk memperluas cakupan jenis ikan dan pengujian dalam kondisi lingkungan nyata guna meningkatkan robustitas model.
Co-Authors Afrizal Hendri Agusriati Muliyana Akbardiansyah Akbardiansyah Ali Sarong Arisna, Puput Ayu, Ratih Sari Citra Dina Febrina Diana, Farah - Dinar Tri Soelistyowati Faliqul Isbah Febrina, Citra Dina Fitria Rahmayanti Friyuanita Lubis Giovani Oktavianda Hasibuan, M Barru Airil Fizra Hendri, Afrizal Heriansyah Ikhsanul Khairi Irhami Irhami Irhami, S Islama, Dini Juliwardi, Ilham KARTINI ERIANI M Ali S M Barru Airil Fizra Hasibuan Muhammad Rizal Muktaridha, Muktaridha Muktaridha, Omar Muliyana, Agusriati Munandar Munandar Mursawal, Asri Nica Astrianda Odang Carman Omar Muktaridha Putri, Hariani Novia Qaisa, Rara Syifa Rahmayanti, Fitria Rudi Hermi S, Irhami Samsul Bahri Samuki, Khairul Sufal Diansyah Suhendra, Rivansyah Uswatun Hasanah ZAINAL ABIDIN MUCHLISIN