IDENTIFIKASI IKAN KONSUMSI TIDAK SEGAR DAN SEGAR BERBASIS PENGOLAHAN CITRA DIGITAL BERDASARKAN FITUR WARNA MENGGUNAKAN METODE K-NEAREST NEIGHBORS (K-NN)

Abstract

Kesegaran ikan konsumsi merupakan indikator penting dalam menjamin mutu dan keamanan pangan, namun penilaian secara manual masih bersifat subjektif dan tidak konsisten. Permasalahan tersebut mendorong perlunya sistem identifikasi kesegaran ikan yang objektif dan otomatis. Penelitian ini bertujuan mengembangkan sistem identifikasi kesegaran ikan berbasis pengolahan citra digital menggunakan fitur warna dengan metode K-Nearest Neighbors (K-NN). Dataset yang digunakan berupa citra insang dari empat jenis ikan, yaitu lele, nila, mas, dan kembung, yang diklasifikasikan ke dalam dua kategori kesegaran. Metode penelitian meliputi tahap preprocessing citra berupa resize, Gaussian blur, serta konversi ruang warna RGB ke HSV, dilanjutkan dengan segmentasi insang berbasis warna dan ekstraksi fitur warna menggunakan histogram kanal Hue, Saturation, dan Value. Proses klasifikasi dilakukan menggunakan algoritma K-NN, sedangkan evaluasi kinerja sistem menggunakan metode 5-fold cross-validation. Hasil pengujian menunjukkan bahwa sistem mampu mengklasifikasikan kesegaran ikan dengan akurasi sebesar 98,21%, precision 98,26%, recall 98,21%, dan F1-score 98,18%. Hasil ini membuktikan bahwa kombinasi fitur warna HSV dan metodes K-NN efektif untuk mengidentifikasi kesegaran ikan secara akurat dan efisien.