RAMADHAN, DEDI NOVRIANTO and Hayaty, Nurul and Nurfalinda, Nurfalinda (2024) PENERAPAN ALGORITMA SELF ORGANIZING MAP DAN GRAY LEVEL CO-OCCURRENCE MATRIX UNTUK MENENTUKAN TINGKAT KESEGARAN IKAN SELAR. S1 thesis, Universitas Maritim Raja Ali Haji.

	Text (Cover) DEDI_NOVRIANTO_RAMADHAN_190155201052_Informatika-Cover.pdf - Published Version Download (402kB)
	Text (Abstrak) DEDI_NOVRIANTO_RAMADHAN_190155201052_Informatika-Abstrak.pdf - Published Version Download (175kB)
	Text (BAB I) DEDI_NOVRIANTO_RAMADHAN_190155201052_Informatika-BAB I.pdf - Published Version Download (225kB)
	Text (Daftar Pustaka) DEDI_NOVRIANTO_RAMADHAN_190155201052_Informatika-Daftar Pustaka.pdf - Published Version Download (285kB)
	Text (Full Teks) DEDI_NOVRIANTO_RAMADHAN_190155201052_Informatika-Full Teks.pdf - Published Version Restricted to Repository staff only Download (1MB) | Request a copy

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.

Actions (login required)

View Item