Perbandingan Metode Klasifikasi pada Pengolahan Citra Mata Ikan

Pengolahan citra mata ikan

Ikan merupakan komoditas pangan yang mudah mengalami penurunan kualitas. Kesegaran adalah parameter penting dalam menentukan kualitas ikan dan produk perikanan. Konsumen dan pedagang umumnya menggunakan kondisi mata ikan untuk menentukan tingkat kesegaran ikan. Hal ini karena mata ikan mengalami perubahan yang terlihat jelas setelah ikan mati. Saat ini telah banyak penelitian mengenai metode penentuan kesegaran ikan yang lebih cepat dan praktis. Salah satunya menggunakan metode pengolahan citra pada mata ikan. Pengolahan citra merupakan alat yang digunakan untuk mengevaluasi data berupa gambar dan menganalisis perubahan warnanya menggunakan perangkat lunak sehingga dapat digunakan untuk menentukan kesegaran ikan. 

Salah satu bagian penting dari metode pengolahan citra adalah pemilihan metode klasifikasi data. Klasifikasi data adalah suatu proses memisahkan serta mengelompokan sekumpulan data dengan kumpulan data yang lain sehingga dapat digunakan untuk menghasilkan keputusan. Pemilihan metode klasifikasi yang tepat pada pengolahan citra mata ikan sangat mempengaruhi keakurasian dalam menentukan kesegaran ikan. Seperti penelitian yang dilakukan oleh Novianto dkk. mengenai perbandingan metode klasifikasi pada pengolahan citra mata ikan tuna yang dimuat dalam prosiding Seminar Nasional Fisika dan Aplikasinya (SNFA) Tahun 2020 di Universitas Sebelas Maret. Metode klasifikasi yang dibandingkan adalah artificial neural networks (ANN), support vector machine (SVM), dan k-nearest neighbour (k-NN). Metode-metode ini dipilih karena dibeberapa literatur digunakan dalam pengolahan citra pada ikan. 

Rangkaian penelitian dimulai dengan akuisisi data citra mata ikan di dalam kotak khusus. Penggunaan kotak khusus ini untuk mendapatkan lingkungan yang sama sehingga meminimalisir variasi yang timbul pada citra mata ikan. Ikan disimpan pada suhu ruang selama 20 jam dan pengambilan citra mata ikan dilakukan setiap dua jam sekali. Software yang digunakan untuk pengolahan citra adalah matlab 2017b. Untuk membandingkan performa dari masing-masing metode klasifikasi digunakan nilai koefisien korelasi dan RMSE (root mean square error). Semua model algoritma dijalankan menggunakan software open source Weka 3.8. Hasil prediksi menggunakan model algoritma klasifikasi SVM, ANN, dan k-NN memperlihatkan bahwa nilai koefisien korelasi dari yang tertinggi adalah k-NN, SVM dan ANN. Semakin tinggi nilai koefisien korelasi maka semakin akurat model algoritma tersebut untuk digunakan untuk mempediksi kesegaran ikan tuna. Sebaliknya semakin rendah nilai RMSE maka semakin baik akurasi suatu model algoritma.

Penulis : Toni Dwi Novianto - LRMPHP