Deskripsi Fisik

xiv, 258 hal; 21x30 cm

Subyek

ResNet50 - VGG16 - Akurasi Model

Kata Kunci

Anotasi

ABSTRAK Penelitian ini mengembangkan aplikasi deteksi kesegaran ikan berbasis citra digital menggunakan model Residual Network (ResNet50) dan Visual Geometry Group (VGG16). Penelitian ini menggunakan data gambar dari tiga jenis ikan (bandeng, nila, dan mujair), yang diklasifikasikan menjadi tiga kelas: sangat segar, segar, dan tidak segar. Dengan total dataset yang terdiri dari 333 gambar, model dilatih dan diuji untuk mengevaluasi performanya dalam klasifikasi citra ikan. Hasil evaluasi menunjukkan bahwa model ResNet50 mencapai akurasi 64,23% dengan tingkat akurasi pada kelas Highly Fresh sebesar 86,01%, Fresh sebesar 43,16%, dan Not Fresh sebesar 52,63%. Model VGG16 menunjukkan performa yang sedikit lebih baik, dengan akurasi keseluruhan 65,16%, dan tingkat akurasi pada kelas Highly Fresh sebesar 89,36%, Fresh sebesar 44,90%, dan Not Fresh sebesar 53,41%. Implementasi sistem dilakukan menggunakan framework Flask, memungkinkan pengguna untuk mengunggah gambar dan mendeteksi tingkat kesegaran ikan secara real-time. Penelitian ini memberikan kontribusi signifikan terhadap pengembangan teknologi berbasis deep learning dalam evaluasi kualitas produk perikanan secara kuantitatif. Kata Kunci: Kesegaran Ikan, ResNet50, VGG16, Akurasi Model, Evaluasi Kuantitatif, Citra Digital.