Deteksi Kesegaran Daging Ikan yang Bersifat Non-Destructive pada Aplikasi Mobile menggunakan YOLOv4 dan YOLOv4-Tiny
Abstract
Ikan merupakan salah satu bahan konsumsi yang menyediakan protein berkualitas tinggi dan
dapat membantu dalam membentuk pola hidup sehat. Mutu daging ikan yang mudah rusak,
mengharuskan konsumen cerdas dalam memilah ikan yang akan dikonsumsi. Oleh sebab itu,
pengetahuan terhadap kondisi kesegaran daging ikan menjadi hal penting bagi para
konsumen. Pada penelitian terdahulu, beberapa cara yang digunakan untuk menilai tingkat
kesegaran daging ikan cukup menyulitkan user ataupun konsumen. Beberapa diantaranya
memerlukan alat seperti spectometer, sensor gas, hingga sebuah komputer dalam
memperoleh parameter dan memproses data untuk menilai tingkat kesegaran daging ikan.
Penelitian ini mencoba membangun sebuah aplikasi berbasis Mobile yang menerapkan deep
learning model, menggunakan arsitektur You Look Only Once Version I (YOLOv4) dan
YOLOv4-Tiny untuk menilai tingkat kesegaran daging ikan berdasarkan mata dan kulit ikan.
Tingkat kesegaran yang digunakan adalah segar, sedang, dan busuk. Data latih yang
digunakan oleh model berupa gambar ikan Tongkol Deho (Euthynnus Affinis), ikan Manglah
(Priacanthus Tayenus), ikan Solok (Rastrelliger Brachysoma), ikan Mackerel (Scomber
Australasicus), ikan Kuwe Lilin (Caranx Melanophygus), ikan Teribang (Nemipterus
Virgatus), ikan Banyar (Restrelliger Kanagurta), dan ikan Kolong (Atule mate). mAP yang
dicapai oleh YOLOv4 adalah sebesar 99.17% dan YOLOv4-Tiny sebesar 97.25%. Dengan
waktu proses tercepat menilai tingkat kesegaran daging ikan pada aplikasi mencapai 2.5
detik per Image untuk YOLOv4 dan 0.15 detik untuk YOLOv4-Tiny.