Perancangan dan Implementasi Deep Learning untuk Deteksi Kesegaran Ikan Beku pada Aplikasi FishQ menggunakan YOLOv8
DOI:
https://doi.org/10.25124/jnst.v2i2.8746Keywords:
FishQ, Kesegaran Ikan, Deep Learning, YOLOv8, Deteksi ObjekAbstract
Industri perikanan di Indonesia memegang peran vital dalam perekonomian nasional dan kesejahteraan masyarakat,
namun proses sortasi ikan yang masih sering dilakukan secara konvensional dan mengandalkan pengamatan visual rentan terhadap kesalahan dan kurang efisien. Untuk meningkatkan akurasi dan efisiensi dalam penilaian kesegaran ikan,
dikembangkanlah FishQ, sebuah aplikasi berbasis deep learning dengan model YOLOv8 yang mampu mendeteksi dan
mengklasifikasikan kesegaran ikan secara otomatis. FishQ dirancang untuk diakses oleh berbagai pemangku kepentingan
dalam rantai pasok perikanan dan telah menunjukkan hasil penelitian yang memuaskan, dengan kemampuan mengidentifikasi kesegaran ikan cakalang dalam kondisi beku dengan nilai mAP 94,7% serta mendeteksi hingga 94% citra ikan secara
tepat. Penggunaan teknologi ini diharapkan dapat mempercepat proses penilaian kesegaran ikan dibandingkan dengan
metode konvensional, sehingga dapat meningkatkan kualitas produk dan mengurangi kerugian ekonomi.
Downloads
Downloads
Published
Issue
Section
License
Authors who publish in this journal agree to the following rules:
- Authors retain copyright and give the journal the right of first publication, with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
- Authors may enter separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., posting it to an institutional repository or publishing it in a book), with attribution to the journal's initial publication.
- Authors are permitted and recommended to post their work online (such as in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges as well as earlier and greater citation of published work.
