Dikutip dari website resmi kementrian kelautan dan perikanan republik indonesia www.kkp.go.id dalam siaran persnya, menyatakan bahwa angka konsumsi ikan sebagai bahan pangan di Indonesia telah melampaui target yang ditetapkan yaitu sekitar 55,95 kg/kapita pada tahun 2019. KKP sendiri menargetkan angka konsumsi ikan nasional akan meningkat dari 56,39 kg/kapita/tahun pada tahun 2020 menjadi 62,50 kg/kapita/tahun pada tahun 2024. Melalui target tersebut, diharapakan agar dapat memperbaiki gizi masyarakat Indonesia mengingat ikan merupakan bahan pangan dengan sumber protein yang tinggi. Salah satu contoh ikan berprotein tinggi tersebut adalah ikan bandeng. Untuk itu pemilihan ikan yang baik dan berkualitas perlu diperhatikan kesegarannya agar kandungan proteinnya tetap terjaga. Secara umum untuk menentukan kesegaran ikan dapat dilihat bentuk fisik ikan, mulai dari warna dan kondisi pada mata, kulit, sirip, dan insang ikan serta mencium aroma ikan. Jika mata ikan mulai gelap, tercium bau amis, dan kulit mulai berlendir maka ikan tersebut bisa dikatakan tidak segar lagi.
Pada penelitian tugas akhir ini, dibangun sebuah sistem untuk mendeteksi kesegaran ikan melalui warna mata dan sebagian kulit ikan bandeng menggunakan metode klasifikasi K-Nearest Neighbour. Dengan menggunakan 144 data latih yang terdiri dari 72 citra mata dan 72 citra kulit serta 60 data uji yang terdiri dari 30 citra mata dan 30 citra kulit, segar atau tidaknya ikan bandeng diklasifikasikan menggunakan algoritma K-Nearest Neighbor. Hasil dari penelitian ini menunjukkan bahwa metode yang diajukan mulai dari tahap input citra, preprocessing, ektstraksi ciri, dan pada akhirnya menentukan status ikan dalam kondisi segar atau tidak segar serta mampu melakukan klasifikasi citra mata dengan akurasi 100% pada K = 3,5,7, dan 9. Sedangkan klasifikasi citra kulit mendapatkan akurasi sekitar 70% pada K = 3 dan 9, 63% pada K = 7 serta 60% pada K = 9.
Kata Kunci: k-nearest neighbour, kesegaran ikan, ikan bandeng, pengolahan citra
Cited from the official website of the Ministry of Marine Affairs and Fisheries of the Republic of Indonesia www.kkp.go.id in a press release, they said that the for fish consumption as food in Indonesia has exceeded the target set, which is around 55.95 kg/capita/year in 2019. KKP itself targeting the national fish consumption figure will increase from 56.39 kg / capita / year in 2020 to 62.50 kg /capita/year in 2024. Through this target, they hoped that it can improve the nutrition of the Indonesian people considering fish is a food source high protein. One example of this high protein fish is milkfish. For this reason, the selection of good and quality fish needs to be considered fresh so that the protein content is maintained. In general, to determine the freshness of the fish, you can see the physical form of the fish, starting from the color and condition of the eyes, skin, fins and fish gills and the smell of fish. If the fish's eyes begin to darken, smell fishy, and the skin starts to become slimy, it can be said that the fish is not fresh anymore.
In this final project, a system was built to detect the freshness of fish through eye color and part of the milkfish skin using the K-Nearest Neighborhood classification method. By using 144 training data consisting of 72 eye images and 72 skin images and 60 test data consisting of 30 eye images and 30 skin images, whether fresh or not milkfish is classified using the K-Nearest Neighbor algorithm. The results of this study indicate that the proposed method starts from the image input stage, preprocessing, feature extraction, and finally determines the status of the fish in fresh or not fresh condition and is able to classify eye images with 100% accuracy at K = 3,5,7, and 9. While the classification of skin images gets an accuracy of about 70% at K = 3 and 9, 63% at K = 7 and 60% at K = 9.
Keywords : k-nearest neighbour, fish frehness, milkfish, image processing