%A Rifki Alain
%D 2025
%L eprintuntirta51741
%T KLASIFIKASI KESEGARAN IKAN BANDENG DENGAN CITRA INSANG MENGGUNAKAN METODE JARINGAN SARAF TIRUAN LEARNING VECTOR QUANTIZATION
%K Klasifikasi, Ikan bandeng, Insang, Citra Digital, LVQ, HSV.
%X Ikan bandeng (chanos chanos) merupakan salah satu komoditas unggulan perikanan di Indonesia yang memiliki nilai gizi tinggi. Nilai gizi yang tinggi ini berbanding lurus dengan peningkatan angka konsumsi ikan di masyarakat. Namun, peningkatan konsumsi ini juga memperbesar risiko peredaran ikan tidak layak konsumsi akibat penurunan mutu selama proses distribusi. Penelitian ini bertujuan mengembangkan sistem klasifikasi kesegaran ikan bandeng secara objektif menggunakan teknologi pengolahan citra digital berbasis warna dengan metode Jaringan Saraf Tiruan (JST) Learning Vector Quantization (LVQ) yang diaplikasikan pada fitur warna (HSV) dari citra insang. Sebanyak 1500 citra insang ikan bandeng yang terbagi ke dalam kelas segar, sedang, dan busuk dikumpulkan secara seimbang, kemudian dipra-pemrosesan dan dibagi menjadi 80% data latih serta 20% data uji. Hasil pengujian menunjukkan bahwa performa model LVQ sangat dipengaruhi oleh jumlah prototype dan nilai learning rate, sedangkan jumlah epoch tidak memberikan dampak signifikan setelah konvergensi awal. Model LVQ mampu mengklasifikasikan tingkat kesegaran ikan bandeng secara efektif dan akurat, mencapai akurasi tertinggi sebesar 94% pada data uji dengan konfigurasi optimal: prototype 3, learning rate 0,001, dan epoch 300.
%I Fakultas Teknik Universitas Sultan Ageng Tirtayasa