PERBANDINGAN EKSTRAKSI FITUR WARNA HSI DAN HSV PADA KLASIFIKASI IKAN SEGAR DENGAN METODE LEARNING VECTOR QUANTIZATION (STUDI KASUS: PASAR TRADISIONAL BINTAN CENTER, TANJUNGPINANG)
Total View This Week0
Total View This Week0
Institusion
Universitas Maritim Raja Ali Haji
Author
GURUSINGA, YUDA EDY PAYO
Martaleli, Bettiza
Hendra, Kurniawan
Martaleli, Bettiza
Hendra, Kurniawan
Subject
006.3 Artificial Intelligence/Kecerdasan Buatan
Datestamp
2025-02-04 07:08:20
Abstract :
Mengklasifikasi tingkat kesegaran ikan nila menggunakan metode Learning Vector Quantization (LVQ) dengan ekstraksi fitur warna HSV dan HSI. Penelitian ini dilatarbelakangi oleh kebutuhan akan metode yang lebih objektif dan efisien dalam menentukan kesegaran ikan, mengingat metode manual yang bergantung pada pengamatan manusia masih memiliki kelemahan, seperti subjektivitas dan keterbatasan waktu. Pengamatan langsung dengan mata terlihat lebih cepat dan sederhana. Tetapi dalam kondisi pasar tradisional atau industri perikanan yang harus memeriksa puluhan hingga ratusan ikan setiap harinya, pengamatan secara manual menjadikannya kurang efisien. Proses ini berpotensi memakan waktu lebih lama dan meningkatkan risiko kesalahan dalam prosesnya terutama karena kelelahan manusia atau perbedaan standar penilaian antar individu. Dataset yang digunakan terdiri dari 768 citra insang ikan nila, yang terbagi menjadi 704 data untuk pelatihan dan validasi serta 64 data untuk pengujian. Model LVQ dengan fitur HSI menghasilkan akurasi 87,50%, precision 0,88, recall 0,88, dan f1-score 0,88. Sementara itu, model LVQ dengan fitur HSV memiliki akurasi 81,25%, precision 0,82, recall 0,81, dan f1-score 0,81. Kedua model berhasil mengklasifikasikan Hari Pertama dan Hari Keempat dengan baik, namun mengalami kesulitan dalam membedakan Hari Kedua dan Hari Ketiga akibat kemiripan warna insang pada kedua kelas tersebut. Hasil penelitian ini menunjukkan bahwa fitur warna HSI lebih optimal dibandingkan HSV dalam mengklasifikasikan tingkat kesegaran ikan nila.
Mengklasifikasi tingkat kesegaran ikan nila menggunakan metode Learning Vector Quantization (LVQ) dengan ekstraksi fitur warna HSV dan HSI. Penelitian ini dilatarbelakangi oleh kebutuhan akan metode yang lebih objektif dan efisien dalam menentukan kesegaran ikan, mengingat metode manual yang bergantung pada pengamatan manusia masih memiliki kelemahan, seperti subjektivitas dan keterbatasan waktu. Pengamatan langsung dengan mata terlihat lebih cepat dan sederhana. Tetapi dalam kondisi pasar tradisional atau industri perikanan yang harus memeriksa puluhan hingga ratusan ikan setiap harinya, pengamatan secara manual menjadikannya kurang efisien. Proses ini berpotensi memakan waktu lebih lama dan meningkatkan risiko kesalahan dalam prosesnya terutama karena kelelahan manusia atau perbedaan standar penilaian antar individu. Dataset yang digunakan terdiri dari 768 citra insang ikan nila, yang terbagi menjadi 704 data untuk pelatihan dan validasi serta 64 data untuk pengujian. Model LVQ dengan fitur HSI menghasilkan akurasi 87,50%, precision 0,88, recall 0,88, dan f1-score 0,88. Sementara itu, model LVQ dengan fitur HSV memiliki akurasi 81,25%, precision 0,82, recall 0,81, dan f1-score 0,81. Kedua model berhasil mengklasifikasikan Hari Pertama dan Hari Keempat dengan baik, namun mengalami kesulitan dalam membedakan Hari Kedua dan Hari Ketiga akibat kemiripan warna insang pada kedua kelas tersebut. Hasil penelitian ini menunjukkan bahwa fitur warna HSI lebih optimal dibandingkan HSV dalam mengklasifikasikan tingkat kesegaran ikan nila.
File :
YUDA_EDY_PAYO_GURUSINGA_2001020023_INFORMATIKA_Cover.pdf
YUDA_EDY_PAYO_GURUSINGA_2001020023_INFORMATIKA_Abstrak.pdf
YUDA_EDY_PAYO_GURUSINGA_2001020023_INFORMATIKA_BAB I.pdf
YUDA_EDY_PAYO_GURUSINGA_2001020023_INFORMATIKA_Daftar Pustaka.pdf
YUDA_EDY_PAYO_GURUSINGA_2001020023_INFORMATIKA_Full Teks.pdf
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
