GURUSINGA, YUDA EDY PAYO and Martaleli, Bettiza and Hendra, Kurniawan (2025) PERBANDINGAN EKSTRAKSI FITUR WARNA HSI DAN HSV PADA KLASIFIKASI IKAN SEGAR DENGAN METODE LEARNING VECTOR QUANTIZATION (STUDI KASUS: PASAR TRADISIONAL BINTAN CENTER, TANJUNGPINANG). S1 thesis, Universitas Maritim Raja Ali Haji.

	Text (Cover) YUDA_EDY_PAYO_GURUSINGA_2001020023_INFORMATIKA_Cover.pdf - Published Version Download (870kB)
	Text (Abstrak) YUDA_EDY_PAYO_GURUSINGA_2001020023_INFORMATIKA_Abstrak.pdf - Published Version Download (343kB)
	Text (BAB I) YUDA_EDY_PAYO_GURUSINGA_2001020023_INFORMATIKA_BAB I.pdf - Published Version Download (309kB)
	Text (Daftar Pustaka) YUDA_EDY_PAYO_GURUSINGA_2001020023_INFORMATIKA_Daftar Pustaka.pdf - Published Version Download (300kB)
	Text (Full Teks) YUDA_EDY_PAYO_GURUSINGA_2001020023_INFORMATIKA_Full Teks.pdf - Published Version Restricted to Repository staff only Download (3MB) | Request a copy

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.

Actions (login required)

View Item