<![CDATA[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.]]>
Copyrights © 2025
