KLASIFIKASI TINGKAT KESEGARAN IKAN NILA MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK

Indonesia memiliki potensi besar untuk produk perikanan, dengan produksi nasional pada tahun 2011 mencapai 12,39 juta ton, terdiri dari 5,41 juta ton perikanan tangkap dan 6,98 juta ton budidaya. Produksi ikan air tawar meningkat sekitar 11% per tahun, dan ikan nila menjadi salah satu makanan pokok di Indonesia. Berdasarkan wawancara dengan pedagang, kesegaran ikan nila dinilai dari perubahan warna insang dan mata. Penelitian ini bertujuan untuk mengevaluasi kinerja model Convolutional Neural Network (CNN) dengan arsitektur AlexNet dalam mengklasifikasikan tingkat kesegaran ikan nila berdasarkan fase kematian, dengan metrik seperti Accuracy, Precision, Recall, dan F1 Score, yang diimplementasikan dalam aplikasi Android. Dataset terdiri dari citra mata, insang, dan tubuh ikan nila yang dikategorikan dalam fase Fresh, 4 jam kemudian, 8 jam kemudian, dan Busuk. Model CNN dikembangkan dengan pembagian data 70:30, 80:20, dan 90:10, menggunakan hyperparameter batch size 16, 32, dan 64, 100 epoch, serta optimasi Adaptive Momentum dengan learning rate 10-2, 10-3, 10-4, dan 10-5. Hasil terbaik diperoleh dengan rasio data 80:20, learning rate 10-4, dan batch size 64, menghasilkan akurasi 0.9686, akurasi validasi 0.9162, loss 0.0892, dan validasi loss 0.2733. Precision, Recall, dan F1 Score masing-masing diatas 0.86. Model ini diintegrasikan ke dalam aplikasi Android menggunakan TensorFlow Lite dan berfungsi baik dalam melakukan inferensi.