KLASIFIKASI KESEGARAN IKAN TONGKOL BERDASARKAN WARNA MATA MENGGUNAKAN DEEP LEARNING BERBASIS CLOUD COMPUTING

Abstract

Penelitian ini bertujuan mengembangkan sistem klasifikasi kesegaran ikan tongkol berdasarkan warna mata menggunakan metode deep learning berbasis cloud computing. Model klasifikasi dibangun dengan arsitektur ResNet-152V2 untuk mengidentifikasi dua kategori kesegaran, yaitu ikan segar dan tidak segar. Seluruh proses pelatihan model dilakukan menggunakan dataset citra ikan tongkol, kemudian diimplementasikan ke dalam aplikasi web berbasis cloud sehingga dapat diakses secara daring. Hasil pengujian menunjukkan bahwa model ResNet-152V2 mampu memberikan kinerja yang sangat baik dengan nilai precision sebesar 0,94 dan recall sebesar 1,00 pada kelas Segar, serta precision sebesar 1,00 dan recall sebesar 0,94 pada kelas Tidak Segar. Nilai F1-score untuk kedua kelas mencapai 0,97, sedangkan akurasi keseluruhan model sebesar 97%. Implementasi berbasis cloud computing juga berhasil memberikan layanan klasifikasi secara otomatis dan real-time melalui aplikasi web, sehingga pengguna dapat mengunggah citra ikan dan memperoleh hasil identifikasi kesegaran dengan cepat. Hasil penelitian menunjukkan bahwa sistem yang dikembangkan memiliki performa tinggi dan berpotensi mendukung proses identifikasi kesegaran ikan secara efisien pada industri perikanan maupun oleh konsumen.