PENENTUAN KUALITAS KESEGARAN IKAN DENGANCITRA MATA MENGGUNAKAN METODE SUPPORT VECTOR MACHINE

Selama ini para nelayan dan produsen ikan di Kabupaten Sinjai melakukan identifikasi kesegaran ikan secara manual menggunakan pengamatan kasat mata. Bagaimanapun juga, pemilihan ikan-ikan tersebut akan membutuhkan waktu yang lama, apalagi dalam jumlah yang sangat banyak, sehingga diperlukan sistem yang dapat mendeteksi kesegaran ikan secara otomatis. Sistem deteksi yang dibangun memerlukan sebuah model komputasi untuk mengubah piksel citra mata ikan menjadi suatu ciri mata yang menunjukkan tingkat kesegaran ikan, melalui proses pra pengolahan, ekstraksi ciri dan proses klasifikasi menggunakan Support Vector Machine. Untuk perbandingan, vektor input dievaluasi dengan sistem jaringan saraf tiruan model Backpropagation Neural Network. Data pelatihan yang diberikan berupa fitur citra digital mata ikan dengan kualitas ikan baik, sedang dan jelek/busuk. Setelah proses ekstraksi ciri dengan menggunakan metode Statistika Tekstur dari Histogram Warna, ciri-ciri yang terpilih digunakan untuk proses klasifikasi kualitas kesegaran ikan. Dari hasil percobaan terhadap 90 data citra mata ikan didapatkan hasil akurasi untuk metode SVM one against one yaitu ikan dengan kualitas segar 86.6%, ikan dengan kualitas sedang 81.1% dan ikan dengan kualitas jelek 81.1%. SVM one against all didapatkan tingkat akurasi ikan segar 92.2 %, Ikan sedang 82.2% dan ikan jelek/busuk 82.2%. Sedangkan Backpropagation Neural Network didapatkan tingkat akurasi ikan segar 54.4%, ikan kualitas sedang 54.4% dan ikan jelek/busuk 74.4%, sehingga dapat disimpulkan bahwa klasifikasi menggunakan support vector machine metode one against all memiliki keunggulan dalam tingkat akurasi dibandingkan dengan metode SVM one against one dan Backpropagation Neural Network.