IDENTIFIKASI KUALITAS IKAN CAKALANG SEGAR BERBASIS CITRA MATA MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM) DENGAN FUNGSI KERNEL RADIAL BASIS FUNCTION

Abstract

Sulawesi Tenggara, yang mengalami peningkatan potensi perikanan dari 11,25% pada 2019 menjadi 11,60% pada 2021, memiliki kontribusi besar dalam komoditas seperti cakalang, dengan tangkapan sebesar 21.868 ton senilai Rp 501 miliar. Namun, tantangan utama yang dihadapi adalah jaminan mutu dan kualitas ikan untuk mempertahankan kepercayaan konsumen. Proses pendeteksian kesegaran ikan, yang umumnya dilakukan secara manual melalui indera manusia, menjadi tidak efektif untuk volume besar karena memakan biaya dan waktu yang tinggi. Penelitian ini bertujuan mengimplementasikan metode Support Vector Machine (SVM) dengan Kernel Radial Basis Function untuk mendeteksi kualitas ikan segar dan tidak segar berdasarkan citra mata ikan. Dataset yang digunakan sebanyak 1.830 citra, terdiri dari 1.050 citra ikan segar dan 870 citra tidak segar, yang dibagi 80% untuk pelatihan dan 20% untuk pengujian. Model yang dibangun mencapai akurasi sebesar 92,8% dan f1-score 93,4% berdasarkan confusion matrix. Pengujian menggunakan K-Fold Cross-Validation (K=10) menghasilkan akurasi tertinggi sebesar 94,54% dengan deviasi standar 1,69, menunjukkan kestabilan dan keandalan model. Hasil penelitian ini mendukung penerapan sistem deteksi otomatis berbasis citra mata ikan sebagai alat yang efisien dan akurat untuk menilai kualitas ikan, serta dapat meningkatkan daya saing produk perikanan di pasar global.