PENGKLASIFIKASIAN KUALITAS IKAN NILA BERBASIS MATA IKAN DENGAN METODE K-NEAREST NEIGHBORS (K-NN)

Penulis

  • Hana Khamilah Universitas Budi Luhur
  • Mardi Hardjianto

Kata Kunci:

Ikan Nila, pengolahan citra digital, K-NN, ekstraksi warna RGB, morfologi opening

Abstrak

Dalam era globalisasi ini, ketahanan pangan menjadi isu utama seiring dengan pertumbuhan populasi yang terus meningkat. Masalah yang muncul adalah bagaimana memastikan semua orang mendapatkan asupan gizi yang cukup, terutama melalui sumber protein hewani seperti ikan. Salah satu jenis ikan yang memiliki nilai gizi tinggi adalah ikan Nila, yang kaya akan protein, omega-3, vitamin, dan mineral esensial. Namun, penentuan kesegaran ikan secara manual sering kali tidak konsisten dan memerlukan keahlian khusus. Penelitian ini bertujuan untuk mengembangkan sistem identifikasi kesegaran ikan Nila berbasis pengolahan citra digital menggunakan algoritma K-Nearest Neighbor (K-NN). K-NN dipilih karena keunggulannya dalam kemudahan implementasi, fleksibilitas terhadap data baru, serta kemampuan menangani data non-linear tanpa perlu asumsi distribusi data tertentu. Sistem ini diharapkan dapat mengurangi ketergantungan pada penilaian manual dengan menyediakan metode yang lebih akurat, cepat, dan konsisten. Penelitian ini menggunakan metode pengolahan citra, termasuk preprocessing, penerapan morfologi opening, dan ekstraksi saluran warna RGB, untuk mengidentifikasi tingkat kesegaran ikan. Pengujian dilakukan pada 12 citra mata ikan Nila dengan dua tingkat kesegaran yang berbeda (segar dan busuk), menggunakan nilai K=1 pada algoritma K-NN. Hasil penelitian menunjukkan bahwa sistem yang dikembangkan berhasil mencapai tingkat akurasi sebesar 91,67% dalam mengklasifikasikan kesegaran ikan Nila. Implementasi teknologi ini diharapkan dapat meningkatkan efisiensi dalam pemantauan dan pengendalian kualitas ikan di pasaran, memberikan solusi yang lebih handal dibandingkan metode manual.

Referensi

Hutagalung, J. P. M. M. Yuli. (2020). 14-52-1-pb.

Muchtar, M., Pasrun, Y. P., Rasyid, R., Miftachurohmah, N., & Mardiawati, M. (2024). penerapan metode naïve bayes dalam klasifikasi kesegaran ikan berdasarkan warna pada citra area mata. jurnal informatika dan teknik elektro terapan, 12(1). https://doi.org/10.23960/jitet.v12i1.3879

Saputra, S., Yudhana, A., & Umar, R. (2022). krea-tif: jurnal teknik informatika identifikasi kesegaran ikan menggunakan algoritma knn berbasis citra digital. 10(1), 1–9. https://doi.org/10.32832/kreatif.v10i1.6845

Dona Marleny, F. (2022). pengolahan citra digital menggunakan python. https://www.researchgate.net/publication/358220979

Andrekha, M. H. Y. (2021). jurnal vocational teknik elektronika dan informatika. http://ejournal.unp.ac.id/index.php/voteknika/index

Umy Habibah, N., Rosyady, P. A., & Pribadi, R. P. (2023). analisis indeks masa tubuh berbasis citra digital menggunakan metode body surface area. jetri : jurnal ilmiah teknik elektro, 135–152. https://doi.org/10.25105/jetri.v20i2.15398

Agustin, S., & Dijaya, R. (2019). beef image classification using k-nearest neighbor algorithm for identification quality and freshness. journal of physics: conference series, 1179(1). https://doi.org/10.1088/1742-6596/1179/1/012184

Suhadi, S., Dina Atika, P., Sugiyatno, S., Panogari, A., Trias Handayanto, R., & Herlawati, H. (2020, november 3). mobile-based fish quality detection system using k-nearest neighbors method. 2020 5th international conference on informatics and computing, icic 2020. https://doi.org/10.1109/icic50835.2020.9288544

Yudhana, A., Umar, R., & Saputra, S. (2022). fish freshness identification using machine learning: performance comparison of k-nn and naïve bayes classifier. journal of computing science and engineering, 16(3), 153–164. https://doi.org/10.5626/jcse.2022.16.3.153

Nuraini, R., Wibowo, A., Warsito, B., Syafei, W. A., & Jaya, I. (2023). combination of k-nn and pca algorithms on image classification of fish species. jurnal resti (rekayasa sistem dan teknologi informasi), 7(5), 1026–1032. https://doi.org/10.29207/resti.v7i5.5178

Miftahuddin, Y., Umaroh, S., & Karim, F. R. (2020). perbandingan metode perhitungan jarak euclidean, haversine, dan manhattan dalam penentuan posisi karyawan. jurnal tekno insentif, 14(2), 69–77. https://doi.org/10.36787/jti.v14i2.270

Sukwika, T. (2023). menentukan populasi dan sampling. https://www.researchgate.net/publication/373137498

Septiani, Y., Arribe, E., & Diansyah, R. (2020). analisis kualitas layanan sistem informasi akademik universitas abdurrab terhadap kepuasan pengguna menggunakan metode sevqual (studi kasus : mahasiswa universitas abdurrab pekanbaru).

Winiarti, S., Indikawati, F. I., Oktaviana, A., & Yuliansyah, H. (2020). consumable fish classification using k-nearest neighbor. iop conference series: materials science and engineering, 821(1). https://doi.org/10.1088/1757-899x/821/1/012039

Septiarini, A., Hamdani, H., & Winarno, E. (2023). the combination of color-texture features and machine learning for detecting dayak beads. jurnal infotel, 15(1), 17–24. https://doi.org/10.20895/infotel.v15i1.856

Unduhan

Diterbitkan

30-09-2024

Cara Mengutip

Khamilah, H., & Hardjianto, M. (2024). PENGKLASIFIKASIAN KUALITAS IKAN NILA BERBASIS MATA IKAN DENGAN METODE K-NEAREST NEIGHBORS (K-NN). Prosiding Seminar Nasional Mahasiswa Fakultas Teknologi Informasi (SENAFTI), 3(2), 539–546. Diambil dari https://senafti.budiluhur.ac.id/index.php/senafti/article/view/1391

Terbitan

Bagian

Artificial Intelligence

Artikel paling banyak dibaca berdasarkan penulis yang sama

1 2 3 > >>