<![CDATA[Deteksi keberadaan formalin pada ikan tongkol menjadi isu penting dalam industri perikanan dan pangan. Penggunaan formalin sebagai bahan pengawet ikan merupakan masalah serius karena dapat membahayakan kesehatan apabila dikonsumsi terus-menerus dan dalam jumlah besar. Oleh karena itu, diperlukan pengembangan metode deteksi yang lebih cepat, akurat, dan mudah diakses oleh masyarakat umum. Penelitian ini bertujuan untuk mengembangkan sistem deteksi formalin pada ikan, khususnya ikan tongkol, dengan menggunakan metode Convolutional Neural Network (CNN). Dataset yang terdiri dari gambar mata ikan tongkol, baik yang terpapar formalin maupun tidak, dikumpulkan dan dianalisis. CNN kemudian diterapkan melalui Teachable Machine untuk melatih dan merancang model deteksi formalin pada ikan tongkol, yang kemudian dihasilkan dalam bentuk TensorFlow Lite. Selanjutnya, aplikasi mobile dikembangkan menggunakan teknologi Flutter untuk memberikan aksesibilitas yang lebih luas bagi pengguna dalam mendeteksi formalin secara real-time. Model tersebut kemudian disempurnakan dalam Visual Studio Code untuk menghasilkan antarmuka pengguna yang lebih menarik serta memudahkan penggunaan di perangkat seluler. Hasil penelitian menunjukkan bahwa model CNN yang dikembangkan mampu mendeteksi formalin pada ikan tongkol dengan tingkat akurasi yang tinggi, yaitu 96%. Sistem akurasi dipengaruhi oleh kecerahan gambar mata ikan dan jumlah data yang digunakan dalam pelatihan. Semakin banyak gambar yang digunakan dalam pelatihan, semakin baik akurasi model yang dihasilkan. Pengembangan aplikasi mobile ini memungkinkan pengguna untuk dengan mudah mengakses dan menggunakan sistem deteksi formalin ini langsung di lapangan. Penelitian ini berpotensi memberikan kontribusi yang signifikan dalam mengatasi masalah keamanan pangan, khususnya dalam mendeteksi formalin pada ikan, serta menjadi solusi praktis bagi masyarakat]]>
