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

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.