Claim Missing Document
Check
Articles

Found 1 Documents
Search

Sistem Identifikasi Kesegaran Ikan Berbasis Android Menggunakan Convolutional Neural Network (CNN) Justam, Justam; Takbir, Muh. Nashir; Umar, Sitti Mawaddah; Erlita, Erlita; Lewa, Revah Oktria
Jurnal Ilmiah Sistem Informasi dan Teknik Informatika (JISTI) Vol 7 No 2 (2024): Jurnal Ilmiah Sistem Informasi dan Teknik Informatika (JISTI)
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat Universitas Lamappapoleonro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57093/jisti.v7i2.271

Abstract

Ikan merupakan sumber protein hewani penting dengan kandungan vitamin dan mineral esensial yang tinggi. Sebagai negara kepulauan, Indonesia memiliki potensi perikanan yang besar, namun masih banyak masyarakat yang kesulitan membedakan ikan segar dan tidak segar. Penelitian ini mengembangkan sistem berbasis Android untuk mengidentifikasi kesegaran ikan menggunakan Convolutional Neural Network (CNN). Model dilatih dengan 540 sampel gambar dalam tiga kategori (segar, baik, dan tidak layak) dengan resolusi 256 × 256 piksel RGB. CNN yang digunakan terdiri dari tiga lapisan konvolusi dan dua fully connected layer, dengan optimizer Adam dan fungsi aktivasi ReLU serta Softmax. Model dilatih di Google Colaboratory, lalu dikonversi ke TensorFlow Lite untuk diterapkan pada Android. Hasil pengujian menunjukkan akurasi 98% pada data uji dan 96,67% pada aplikasi Android dengan 60 sampel baru, membuktikan sistem mampu berfungsi dengan baik dalam mengidentifikasi kesegaran ikan