IMPLEMENTASI CITRA DIGITAL UNTUK MENGETAHUI ANALISIS SENSORIS IKAN TUNA (THUNNUS ALBACARES) MENGGUNAKAN REGION-BASED CONVOLUTIONAL NEURAL NETWORK

Ikan tuna (Thunnus albacares) merupakan komoditas perikanan bernilai ekonomi tinggi yang kualitasnya sangat ditentukan oleh tingkat kesegaran. Penilaian kesegaran ikan tuna umumnya masih dilakukan secara manual melalui analisis sensoris, khususnya pada bagian mata ikan, sehingga bersifat subjektif dan kurang konsisten. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan sistem otomatis berbasis citra digital dalam mendeteksi kesegaran ikan tuna menggunakan metode Region-Based Convolutional Neural Network (R-CNN). Penelitian ini menggunakan dataset berupa citra mata ikan tuna yang diklasifikasikan ke dalam dua kelas, yaitu ikan tuna segar dan ikan tuna tidak segar. Proses penelitian meliputi pengumpulan data, preprocessing citra, pelabelan objek menggunakan bounding box, pelatihan model Faster R-CNN, serta evaluasi kinerja model berdasarkan nilai loss dan mean Average Precision (mAP) dengan skenario pembagian data 70:30, 80:20, dan 90:10. Selain itu, model yang telah dilatih diimplementasikan ke dalam aplikasi mobile berbasis React Native dengan Flask sebagai backend. Hasil penelitian menunjukkan bahwa skenario pembagian data 70:30 memberikan performa terbaik dengan nilai mAP sebesar 88,14%. Pengujian aplikasi dilakukan menggunakan 30 citra uji dan menghasilkan tingkat akurasi sebesar 93,33%, yang menunjukkan bahwa sistem mampu mendeteksi dan mengklasifikasikan tingkat kesegaran ikan tuna dengan baik. Dengan demikian, sistem yang dikembangkan dapat menjadi solusi alternatif yang objektif dan efektif dalam membantu analisis sensoris kesegaran ikan tuna secara otomatis.