<![CDATA[Identifikasi kesegaran ikan merupakan aspek penting dalam industri perikanan karena mempengaruhi kualitas dan nilai jual produk akhir. Teknologi deteksi objek menawarkan solusi modern untuk mengotomatisasi proses ini, menggantikan metode manual yang seringkali memakan waktu dan kurang akurat. Dalam penelitian ini, dilakukan evaluasi kinerja YOLOv8, yaitu sebuah model deteksi objek untuk mengidentifikasi kesegaran ikan. Dataset yang digunakan dalam penelitian ini mencakup citra ikan cakalang yang diperoleh dari Perusahaan Aruna dan sumber-sumber tambahan. Data dianotasi dan diproses menggunakan platform Roboflow yang memfasilitasi pra-pemrosesan dan augmentasi data. Model YOLOv8 kemudian dilatih dan dievaluasi di lingkungan Google Colab dengan fokus pada akurasi, kecepatan, dan keandalannya dalam mendeteksi perbedaan antara ikan segar dan tidak segar. Hasilnya menunjukkan bahwa YOLOv8 mampu mencapai nilai mAP (mean Average Precision) lebih dari 87%, yang menunjukkan bahwa model memiliki efisiensi dan keakuratan dalam melakukan identifikasi kesegaran ikan. Kesimpulannya, YOLOv8 berpotensi untuk diadopsi secara luas dalam industri perikanan sebagai alat untuk meningkatkan efisiensi dan memastikan kualitas produk perikanan yang lebih baik. Kata kunci— deteksi objek, YOLOv8, kesegaran ikan, industri perikanan, mean Average Precision (mAP).]]>
Copyrights © 2024
