Identifikasi Kesegaran Ikan Menggunakan Algoritma KNN Berbasis Citra Digital
DOI:
https://doi.org/10.32832/krea-tif.v10i1.6845Kata Kunci:
Identifikasi, Kesegaran ikan, KNN, Citra digital, Mata ikanAbstrak
Ikan merupakan komoditas utama laut yang penting sebagai sumber makanan. Ikan perlu diketahui kesegarannya sebelum dikonsumsi manusia. Tingkat kesegaran ikan biasanya diidentifikasi dengan cara konvensional seperti analisis kimiawi atau biokimiawi ikan, analisis kandungan mikrobiologi pada ikan, dan metode pemeriksaan sensori. Metode-metode tersebut dapat dilakukan namun membutuhkan kekuatan manusia yang cenderung mengalami kelelahan. Penelitian ini bertujuan untuk mengidentifikasi kesegaran ikan hasil tangkapan dengan menggunakan sistem komputerisasi digital. Metode yang digunakan adalah K-Nearest Neighbor dengan memanfaatkan citra mata ikan berbasis nilai fitur warna RGB. Data yang digunakan adalah 150 citra mata ikan yang diambil pada rentang waktu satu jam, lima jam, dan 10 jam. Citra mata ikan tersebut sebelumnya telah dilakukan cropping, segmentasi dan ekstraksi nilai RGB untuk kemudian diklasifikasikan berdasarkan kelas target. Data penelitian dibagi menjadi 120 citra untuk pelatihan dan 30 citra untuk pengujian. Hasil pengujian menunjukkan bahwa nilai akurasi paling tinggi menggunakan nilai K=1 yaitu sebesar 93,33%. Berdasarkan hasil akurasi tersebut maka metode KNN dapat menjadi model pengembangan identifikasi kesegaran ikan menggunakan citra digital.
Referensi
T. Wu, L. Yang, J. Zhou, D. C. Lai, and N. Zhong, "An improved nondestructive measurement method for salmon freshness based on spectral and image information fusion,” Comput. Electron. Agric., vol. 158, no. October 2018, pp. 11–19, 2019, doi: 10.1016/j.compag.2019.01.039.
S. Grassi, S. Benedetti, M. Opizzio, E. Di Nardo, and S. Buratti, "Meat and fish freshness assessment by a portable and simplified electronic nose system (Mastersense),” Sensors (Switzerland), vol. 19, no. 14, 2019, doi: 10.3390/s19143225.
X. Zhang et al., "Source Attribution of Poly- and Perfluoroalkyl Substances (PFASs) in Surface Waters from Rhode Island and the New York Metropolitan Area,” Environ. Sci. Technol. Lett., vol. 3, no. 9, pp. 316–321, 2016, doi: 10.1021/acs.estlett.6b00255.
A. Taheri-Garavand, A. Nasiri, A. Banan, and Y. D. Zhang, "Smart deep learning-based approach for non-destructive freshness diagnosis of common carp fish,” J. Food Eng., vol. 278, no. January, p. 109930, 2020, doi: 10.1016/j.jfoodeng.2020.109930.
H. Fitriyah, D. Syauqy, and F. A. Susilo, "Deteksi Kesegaran Ikan Tongkol (Euthynnus Affinis) Secara Otomatis Berdasarkan Citra Mata Menggunakan Binary Similarity,” J. Teknol. Inf. dan Ilmu Komput., vol. 7, no. 5, pp. 879–885, 2020, doi: 10.25126/jtiik.202073839.
A. J. Rindengan and M. Mananohas, "Perancangan Sistem Penentuan Tingkat Kesegaran Ikan Cakalang Menggunakan Metode Curve Fitting Berbasis Citra Digital Mata Ikan,” J. Ilm. Sains, vol. 17, no. 2, pp. 161–168, 2017.
A. Kalista, A. Redjo, and U. Rosidah, "Aplication of Image Processing to Determine The Freshness of Tilapia Fish (Oreochromis niloticus),” J. Pengolah. Has. Perikan. Indones., vol. 22, no. 2, pp. 229–235, 2019, doi: 10.17844/jphpi.v22i2.27364.
D. Wu, M. Zhang, H. Chen, and B. Bhandari, "Freshness monitoring technology of fish products in intelligent packaging,” Crit. Rev. Food Sci. Nutr., vol. 61, no. 8, pp. 1279–1292, 2020, doi: 10.1080/10408398.2020.1757615.
H. zhi Chen, M. Zhang, B. Bhandari, and C. hui Yang, "Novel pH-sensitive films containing curcumin and anthocyanins to monitor fish freshness,” Food Hydrocoll., vol. 100, no. October 2019, p. 105438, 2020, doi: 10.1016/j.foodhyd.2019.105438.
S. Saputra, T. D. Rahmawati, and N. Safrudin, "Pengembangan puzzle square sebagai media pembelajaran interaktif menggunakan macromedia flash 8,” JINoP (Jurnal Inov. Pembelajaran), vol. 6, no. 2, pp. 124–135, 2020, doi: 10.22219/jinop.v6i2.12096.
A. Khusnani, A. Jufriansah, and S. Saputra, "BERKALA FISIKA INDONESIA Algoritma YOLO sebagai deteksi korban akibat kerusakan geohazard menggunakan citra ( computer vision ),” Berk. Fis. Indones. J. Ilm. Fis. Pembelajaran dan Apl., vol. 13, no. 1, pp. 14–21, 2022, doi: 10.12928/bfi-jifpa.v13i1.23191.
A. Jufriansah, Y. Pramudya, A. Khusnani, and S. Saputra, "Analysis of Earthquake Activity in Indonesia by Clustering Method,” J. Phys. Theor. Appl., vol. 5, no. 2, pp. 92–103, 2021, doi: 10.20961/jphystheor-appl.v5i2.59133.
A. Salman et al., "Fish species classification in unconstrained underwater environments based on deep learning,” Limnol. Oceanogr. Methods, vol. 14, no. 9, pp. 570–585, 2016, doi: 10.1002/lom3.10113.
A. Yudhana, Sunardi, and S. Saifullah, "Segmentation comparing eggs watermarking image and original image,” Bull. Electr. Eng. Informatics, vol. 6, no. 1, pp. 47–53, 2017, doi: 10.11591/eei.v6i1.595.
R. A. Surya, A. Fadlil, and A. Yudhana, "Identification of Pekalongan Batik Images Using Backpropagation Method,” J. Phys. Conf. Ser., vol. 1373, no. 1, 2019, doi: 10.1088/1742-6596/1373/1/012049.
M. K. Dutta, A. Issac, N. Minhas, and B. Sarkar, "Image processing based method to assess fish quality and freshness,” J. Food Eng., vol. 177, pp. 50–58, 2016, doi: 10.1016/j.jfoodeng.2015.12.018.
D. S. Shakya, "Analysis of Artificial Intelligence based Image Classification Techniques,” J. Innov. Image Process., vol. 2, no. 1, pp. 44–54, 2020, doi: 10.36548/jiip.2020.1.005.
X. Huang, H. Xu, L. Wu, H. Dai, L. Yao, and F. Han, "A data fusion detection method for fish freshness based on computer vision and near-infrared spectroscopy,” Anal. Methods, vol. 8, no. 14, pp. 2929–2935, 2016, doi: 10.1039/c5ay03005f.
I. C. Navotas, C. N. V Santos, E. J. M. Balderrama, F. E. B. Candido, A. J. E. Villacanas, and J. S. Velasco, "Fish Identification and Freshness Classification Through Image Processing Using Artificial Neural Network,” ARPN J. Eng. Appl. Sci., vol. 13, no. 18, pp. 4912–4922, 2018.
M. Sarimin, M. Bettiza, N. Hayaty, and S. Nugraha, "Implementasi HSV dan GLCM untuk Deteksi Kesegaran Ikan Bawal menggunakan Radial Basis Function Berbasis Android Muhammad,” J. Sustain. J. Has. Penelit. dan Ind. Terap., vol. 08, no. 01, pp. 1–7, 2019.
G. D. K. Sandi, D. Syauqy, and R. Maulana, "Sistem Pendeteksi Kesegaran Ikan Bandeng Berdasarkan Bau Dan Warna Daging Berbasis Sensor Mq135 Dan Tcs3200 Dengan Metode Naive Bayes,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 2548, no. 10, p. 964X, 2020, [Online]. Available: http://j-ptiik.ub.ac.id.
A. Yudhana, D. Sulistyo, and I. Mufandi, "GIS-based and Naí¯ve Bayes for nitrogen soil mapping in Lendah, Indonesia,” Sens. Bio-Sensing Res., vol. 33, 2021, doi: 10.1016/j.sbsr.2021.100435.
Z. Zhang, "Introduction to machine learning: K-nearest neighbors,” Ann. Transl. Med., vol. 4, no. 11, pp. 1–7, 2016, doi: 10.21037/atm.2016.03.37.
M. R. Fauzi, R. A. Pratama, P. Laksono, and P. Eosina, "Penerapan Big Data Menggunakan Algoritma Multi-Label K-Nearest Neighbor dalam Analisis Sentimen Konsumen UMKM Sektor Kuliner,” Krea-TIF, vol. 9, no. 1, pp. 9–20, 2021, doi: 10.32832/kreatif.v9i1.3587.
C. E. Koba, C. Montolalu, and A. Rindengan, "Aplikasi Penentuan Tingkat Kesehatan Terumbu Karang Menggunakan Metode K-Nearest Neighbor dan Curve Fitting Berbasis Pengolahan Citra Digital,” d'CARTESIAN, vol. 6, no. 1, pp. 17–29, 2017, doi: 10.35799/dc.6.1.2017.15836.
D. A. Adeniyi, Z. Wei, and Y. Yongquan, "Automated web usage data mining and recommendation system using K-Nearest Neighbor (KNN) classification method,” Appl. Comput. Informatics, vol. 12, no. 1, pp. 90–108, 2016, doi: 10.1016/j.aci.2014.10.001.
Sunardi, A. Yudhana, and S. Saifullah, "Identity analysis of egg based on digital and thermal imaging: Image processing and counting object concept,” Int. J. Electr. Comput. Eng., vol. 7, no. 1, pp. 200–208, 2017, doi: 10.11591/ijece.v7i1.pp200-208.
A. Yudhana, Sunardi, and S. Saifullah, "Kompresi Wavelet Untuk Identifikasi Telur,” Ilk. J. Ilm., vol. 8, no. Desember, pp. 190–196, 2016.
Okfalisa, I. Gazalba, Mustakim and N. G. I. Reza, "Comparative analysis of k-nearest neighbor and modified k-nearest neighbor algorithm for data classification," 2017 2nd International conferences on Information Technology, Information Systems and Electrical Engineering (ICITISEE), 2017, pp. 294-298, doi: 10.1109/ICITISEE.2017.8285514.
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Penulis yang menerbitkan jurnal ini menyetujui persyaratan berikut:
- Penulis memiliki hak cipta dan memberikan hak jurnal untuk publikasi pertama dengan karya yang secara simultan dilisensikan yang memungkinkan orang lain untuk berbagi karya dengan pengakuan kepengarangan karya dan publikasi awal dalam jurnal ini.
- Penulis dapat membuat perjanjian kontrak tambahan yang terpisah untuk distribusi non-eksklusif versi jurnal yang diterbitkan dari karya tersebut (misalnya, mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan atas publikasi awalnya di jurnal ini.
- Penulis diizinkan dan didorong untuk memposting pekerjaan mereka secara online (misalnya, dalam repositori institusional atau di situs web mereka) sebelum dan selama proses pengiriman, karena dapat menyebabkan pertukaran yang produktif, serta kutipan yang lebih awal dan lebih besar dari karya yang diterbitkan.
Biaya Publikasi
Jurnal Krea-TIF memiliki biaya publikasi Artikel, dengan
Biaya per Artikel : Rp 350.000
Bank Transfer : CIMB Niaga Syariah 761998938200 an GIBTHA FITRI LAXMI
Penulis diharuskan membayar biaya publikasi sebagai biaya pengajuan untuk berkontribusi dalam pembiayaan proses review dan editing.
*Jika Anda tidak memiliki dana untuk membayar biaya tersebut, Anda akan memiliki kesempatan untuk membebaskan setiap biaya. Kami tidak ingin ada biaya untuk mencegah publikasi karya yang layak. Melalui proses seleksi kelayakan tentunya.
.png)
.png)
