<![CDATA[Penilaian tingkat kesegaran ikan bandeng secara manual sering kali menimbulkan ketidaktepatan, terutama karena perbedaan visual antar tingkat kesegaran yang tampak serupa. Ketidaktepatan dalam mengklasifikasikan kesegaran ikan dapat menyebabkan kesalahan dalam pengambilan keputusan, misalnya saat pembelian atau penentuan kelayakan konsumsi. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi tingkat kesegaran ikan bandeng berdasarkan citra mata ikan menggunakan metode ekstraksi fitur dari arsitektur MobileNetV3-Small yang dikombinasikan dengan algoritma SVM. Proses pengujian digunakan untuk mengevaluasi pengaruh berbagai kombinasi kernel (Linear, Polynomial, dan RBF), parameter regulasi (C), serta parameter gamma (γ) terhadap performa model klasifikasi. Hasil pengujian menunjukkan bahwa kombinasi terbaik diperoleh pada kernel Polynomial dengan nilai C = 1 dan γ = 0.1, yang menghasilkan akurasi tertinggi sebesar 99,17%. Evaluasi performa sistem menggunakan metrik akurasi, presisi, recall, dan F1-score menunjukkan bahwa model mampu mengklasifikasikan dua kelas (ikan bandeng segar dan tidak segar) dengan sangat baik, masing-masing mencapai nilai 0.99 pada seluruh metrik evaluasi. Selain itu, nilai macro average dan weighted average juga berada pada angka 0.99, menunjukkan performa yang seimbang dan konsisten tanpa bias antar kelas. Dengan demikian, sistem yang dikembangkan memiliki potensi tinggi untuk diterapkan dalam sistem inspeksi mutu otomatis di sektor perikanan guna mendukung proses penilaian kesegaran ikan secara efisien dan objektif.]]>
Copyrights © 2026
