PENERAPAN ALGORITMA SELF ORGANIZING MAP DAN GRAY LEVEL CO-OCCURRENCE MATRIX UNTUK MENENTUKAN TINGKAT KESEGARAN IKAN SELAR
Total View This Week0
Total View This Week0
Institusion
Universitas Maritim Raja Ali Haji
Author
RAMADHAN, DEDI NOVRIANTO
Hayaty, Nurul
Nurfalinda, Nurfalinda
Hayaty, Nurul
Nurfalinda, Nurfalinda
Subject
005.1.Pemrograman
Datestamp
2024-01-26 04:48:20
Abstract :
Ikan selar (Selaroides Leptolepis) merupakan salah satu ikan yang paling banyak dikonsumsi oleh masyarakat dan harganya murah. Kualitas ikan yang baik ditentukan oleh kesegarannya. Oleh karena itu, penanganan dan sanitasi yang tepat sangat penting untuk memastikan kesegaran ikan. Mengkonsumsi ikan yang sudah tidak segar dapat menyebabkan berbagai masalah kesehatan. Maka, Penelitian ini bertujuan untuk mengetahui tingkat kesegaran ikan selar apabila diamati berdasarkan hasil dari image processing yang dilakukan dengan Menggunakan Algoritma Self Organizing Map (SOM) dan ekstraksi fitur Gray Level Co-occurrence Matrix (GLCM) sehingga mengetahui apakah ikan masih segar dan tidak segar. Pada penelitian ini digunakan 370 citra ikan Selaroides Leptolepis dan diperoleh akurasi pelatihan sebesar 94% dan loss sebesar 2,5%, label yang digunakan terbagi menjadi dua kelas, yaitu ikan segar dan ikan tidak segar. Proses pelatihan model dilakukan dalam 50 epoch, dimulai dari learning rate sebesar 0,1 dan berubah ke learning rate 0,07 setelah 200 iterasi, untuk mencapai neuron terbaik dari 2 cluster. Hasil pengujian akurasi model yang dibangun menunjukkan bahwa model SOM ini mampu mencapai tingkat akurasi sebesar 90% untuk label ikan segar dan 80% untuk label ikan tidak segar. Sehingga, dapat disimpulkan bahwa model SOM yang dibangun untuk klasifikasi tingkat kesegaran ikan selar dapat dikategorikan sebagai model yang baik.
Ikan selar (Selaroides Leptolepis) merupakan salah satu ikan yang paling banyak dikonsumsi oleh masyarakat dan harganya murah. Kualitas ikan yang baik ditentukan oleh kesegarannya. Oleh karena itu, penanganan dan sanitasi yang tepat sangat penting untuk memastikan kesegaran ikan. Mengkonsumsi ikan yang sudah tidak segar dapat menyebabkan berbagai masalah kesehatan. Maka, Penelitian ini bertujuan untuk mengetahui tingkat kesegaran ikan selar apabila diamati berdasarkan hasil dari image processing yang dilakukan dengan Menggunakan Algoritma Self Organizing Map (SOM) dan ekstraksi fitur Gray Level Co-occurrence Matrix (GLCM) sehingga mengetahui apakah ikan masih segar dan tidak segar. Pada penelitian ini digunakan 370 citra ikan Selaroides Leptolepis dan diperoleh akurasi pelatihan sebesar 94% dan loss sebesar 2,5%, label yang digunakan terbagi menjadi dua kelas, yaitu ikan segar dan ikan tidak segar. Proses pelatihan model dilakukan dalam 50 epoch, dimulai dari learning rate sebesar 0,1 dan berubah ke learning rate 0,07 setelah 200 iterasi, untuk mencapai neuron terbaik dari 2 cluster. Hasil pengujian akurasi model yang dibangun menunjukkan bahwa model SOM ini mampu mencapai tingkat akurasi sebesar 90% untuk label ikan segar dan 80% untuk label ikan tidak segar. Sehingga, dapat disimpulkan bahwa model SOM yang dibangun untuk klasifikasi tingkat kesegaran ikan selar dapat dikategorikan sebagai model yang baik.
File :
DEDI_NOVRIANTO_RAMADHAN_190155201052_Informatika-Cover.pdf
DEDI_NOVRIANTO_RAMADHAN_190155201052_Informatika-Abstrak.pdf
DEDI_NOVRIANTO_RAMADHAN_190155201052_Informatika-BAB I.pdf
DEDI_NOVRIANTO_RAMADHAN_190155201052_Informatika-Daftar Pustaka.pdf
DEDI_NOVRIANTO_RAMADHAN_190155201052_Informatika-Full Teks.pdf
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
