MUSAADAH, Khalimah (2025) Deteksi Kesegaran Ikan Bandeng Berdasarkan Citra Mata Menggunakan Convolutional Neural network (CNN) Arsitektur MobileNetV3 Berbasis Mobile. Skripsi thesis, Universitas Jenderal Soedirman.

	PDF (Cover) COVER_Khalimah Musaadah_H1D021001_Skripsi_2025.pdf Download (175kB)
	PDF (Legalitas) LEGALITAS_Khalimah Musaadah_H1D021001_Skripsi_2025.pdf Restricted to Repository staff only Download (591kB)
	PDF (Abstrak) ABSTRAK_Khalimah Musaadah_H1D021001_Skripsi_2025.pdf Download (269kB)
	PDF (BabI) BAB I_Khalimah Musaadah_H1D021001_Skripsi_2025.pdf Restricted to Repository staff only until 4 August 2026. Download (280kB)
	PDF (BabII) BAB II_Khalimah Musaadah_H1D021001_Skripsi_2025.pdf Restricted to Repository staff only until 4 August 2026. Download (831kB)
	PDF (BabIII) BAB III_Khalimah Musaadah_H1D021001_Skripsi_2025.pdf Restricted to Repository staff only until 4 August 2026. Download (450kB)
	PDF (BabIV) BAB IV_Khalimah Musaadah_H1D021001_Skripsi_2025.pdf Restricted to Repository staff only Download (1MB)
	PDF (BabV) BAB V_Khalimah Musaadah_H1D021001_Skripsi_2025.pdf Download (260kB)
	PDF (DaftarPustaka) DAFTAR PUSTAKA_Khalimah Musaadah_H1D021001_Skripsi_2025.pdf Download (231kB)

Abstract

Indonesia memiliki sumber daya perikanan yang melimpah, menjadikannya salah satu produsen dan konsumen ikan terbesar. Salah satu jenis ikan yang banyak dikonsumsi adalah ikan bandeng. Sebelum dikonsumsi, penting untuk mengetahui tingkat kesegaran ikan bandeng. Tingkat kesegaran ini dapat diidentifikasi menggunakan model Convolutional Neural Network (CNN) dengan arsitektur MobileNetV3 yang efisien dan cocok untuk implementasi pada aplikasi mobile. Penelitian ini bertujuan untuk mendeteksi tingkat kesegaran ikan bandeng berdasarkan citra mata menggunakan arsitektur CNN MobileNetV3 yang diimplementasikan dalam aplikasi mobile. Dataset yang digunakan terdiri dari 500 gambar yang dibagi menjadi data latih, validasi, dan uji dengan proporsi 70%, 30%, dan 10%. Data diproses melalui preprocessing berupa resizing dan augmentasi untuk meningkatkan variasi citra. Model dibangun dengan hyperparameter tuning menggunakan metode random search dan grid search. Hasil menunjukkan bahwa random search memberikan performa lebih baik dengan train accuracy 92,88%, validation accuracy 89,90%, dan akurasi keseluruhan pada data test sebesar 91%. Model ini kemudian diimplementasikan ke dalam aplikasi mobile bernama ScanBang, yang mampu mengklasifikasikan tingkat kesegaran ikan dan menampilkan tingkat keyakinannya secara praktis.

Actions (login required)

View Item