<![CDATA[Ikan merupakan sumber protein yang kaya bagi tubuh manusia, ikan juga merupakan salah satu komoditas bahan pangan yang sangat digemari masyarakat. Ikan juga memiliki nilai gizi tinggi, namun ikan sangatlah mudah kehilangan kualitas kesegarannya. Kesegaran ikan adalah parameter yang sangat penting dalam menentukan sebuah kualitas sebuah ikan, salah satu ciri dari menurunnya kesegaran ikan adalah dapat dilihat dari mata ikan itu sendiri, namun untuk membedakan kesegaran itu sendiri menurut mat ajika dilihat dengan sekilas maka akan sulit untuk mengetahuinya. Maka dari itu dibutuhkanlah teknologi yang dapat mengidentifikasi kesegran ikan lemuru berdasarkan citra mata. Convolutional Neural Network (CNN) merupakan salah satau pengembangan dari algoritma multilayer percepton (MLP) yang membu mengidentifikasi sebuah gambar ataupun suara. Pada penelitian ini arsitektur CNN yang digunakan adalah VGG-16 dengan 1920 data citra mata ikan lemuru. VGG-16 memiliki 13 convolution layer dan 5 pooling layer. VGG-16 ini memiliki dua layer fully connected layer yang memiliki 4096 neuron pada setiap layer. pada layer yang terakhir terdapat pengklasifikasian dua kelas yang menggunakan aktifasi softmax. Akurasi yang didapat pada penelitian ini adalah akurasi 98,4%, sensitivitas 98,5%, dan spesifisitas 98,5%. Kesimpulannya adalah algoritma Convolutional Neural Network (CNN) yang telah dibangun relatif mampu mengidentifikasi kesegaran ikan berdasarkan citra mata dan tingkat efektivitas model mengidentifikasi kesegaran ikan berdasarkan citra mata kurang baik.]]>
