Maida, Afra (2025) Implementasi Convolutional Neural Network (CNN) Dan Tensorflow Untuk Pendeteksi Ikan Tongkol (Euthynnus Affinis) Berformalin Berdasarkan Citra Mata. S1 thesis, Universitas Malikussaleh.

	Text Afra Maida_190150063_Cover.pdf Download (37kB)
	Text Afra Maida_190150063_Abstrak.pdf Download (8kB)
	Text Afra Maida_190150063_Bab 1.pdf Download (111kB)
	Text Afra Maida_190150063_Daftar Pustaka.pdf Download (129kB)
	Text Afra Maida_190150063_Implementasi Convolutional Neural Network (CNN) Dan Tensorflow Untuk Pendeteksi Ikan Tongkol (Euthynnus Affinis) Berformalin Berdasarkan Citra Mata.pdf Restricted to Registered users only Download (3MB)

Abstract

ABSTRAK Pendeteksian formalin pada ikan tongkol menjadi isu penting dalam industri perikanan dan pangan. Penggunaan formalin untuk pengawetan ikan menjadi masalah serius karna dapat membahayakan kesehatan jika dikonsumsi terus menerus dan dalam jumlah yang berlebihan. Oleh karna itu dibutuhkan pengembangan metode deteksi yang lebih cepat, akurat, dan fleksibel yang bisa diakses oleh semua orang. Penelitian ini bertujuan untuk mengembangkan sistem pendeteksi formalin pada ikan, khususnya ikan tongkol menggunakan metode Convolutional Neural Network (CNN). Dataset yang terdiri dari citra mata ikan tongkol dengan dan tanpa formalin dikumpulkan dan dianalisis. Kemudian CNN digunakan melalui Teachable Machine untuk melatih dan merancang model pendeteksi formalin pada ikan tongkol dan menghasilkan model dalam bentuk Tensorflow Lite. Selanjutnya, aplikasi mobile dikembangkan menggunakan teknologi Flutter untuk memberikan aksebilitas yang lebih besar kepada pengguna dalam mendeteksi formalin secara real-time. Model tersebut dikembangkan lagi pada Visual Studio Code untuk menghasilkan tampilan UI yang lebih menarik dalaInim aplikasi serta makin mudah untuk dijalankan di perangkat mobile. Hasil penelitian menunjukkan bahwa model CNN uang telah dibuat mampu mendeteksi formalin pada ikan tongkol dengan akurasi yang tinggii yaitu 96%. Tingkat akurasi yang diperoleh dari sistem dipengaruhi oleh kejelasan citra mata ikan dan jumlah data yang di training. Semakin banyak citra yang di training maka keakuratan model yang dihasilkan akan semakin bagus. Pengembangan aplikasi mobile memungkinkan pengguna untuk mudah mengakses dan menggunkan sistem pendeteksi formalin ini langsung di lapangan. Penelitian ini berpotensi memberikan kontribusi yang signifikan dalam menangani masalah keamanan pangan khusunya dalam hal mendeteksi formalin pada ikan dan menjadi solusi praktis untuk para masyarakat. Kata Kunci: Pendeteksi Formalin, Ikan Tongkol, Tensorflow Lite, Convolutional Neural Network(CNN), Aplikasi Mobile

Item Type:	Thesis (S1)
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Fakultas Teknik > 20201 - Jurusan Teknik Elektro
Depositing User:	Afra Maida Ridawati
Date Deposited:	27 May 2025 03:02
Last Modified:	27 May 2025 03:02
URI:	https://rama.unimal.ac.id/id/eprint/11756

Actions (login required)

View Item