KLASIFIKASI KESEGARAN UDANG MENGGUNAKAN METODE MOBILENETV2 BERBASIS CITRA DIGITAL

Abstract

Udang merupakan salah satu komoditas perikanan yang mudah mengalami penurunan kualitas akibat proses pembusukan. Penilaian kesegaran udang secara konvensional umumnya dilakukan melalui pengamatan visual dan organoleptik yang bersifat subjektif serta bergantung pada pengalaman pengamat. Oleh karena itu, diperlukan metode alternatif yang dapat membantu proses identifikasi kesegaran secara cepat dan non-destruktif. Penelitian ini bertujuan untuk membangun model klasifikasi citra udang menggunakan arsitektur MobileNetV2 dengan pendekatan transfer learning untuk membedakan dua kelas, yaitu Fresh dan Not_Fresh. Dataset yang digunakan terdiri dari 1.000 citra, masing-masing 500 citra Fresh dan 500 citra Not_Fresh. Dataset dibagi menjadi 800 citra data training, 100 citra validasi, dan 100 citra testing dengan proporsi yang seimbang pada setiap kelas. Citra diproses dengan ukuran 224×224 piksel dan digunakan dalam proses pelatihan model MobileNetV2. Pelatihan menggunakan maksimum 50 epoch dengan mekanisme Early Stopping. Hasil pelatihan menunjukkan bahwa model memperoleh validation accuracy terbaik sebesar 100,00% pada epoch ke-10, dengan training accuracy sebesar 99,50% dan validation loss sebesar 0,0210. Setelah bobot terbaik dikembalikan ke epoch ke-10, pengujian terhadap 100 data testing menghasilkan akurasi sebesar 98,00% dengan loss sebesar 0,1611. Berdasarkan classification report, kelas Fresh memperoleh precision 96%, recall 100%, dan F1-score 98%, sedangkan kelas Not_Fresh memperoleh precision 100%, recall 96%, dan F1-score 98%. Hasil tersebut menunjukkan bahwa MobileNetV2 mampu melakukan klasifikasi kesegaran udang dengan baik berdasarkan citra digital.