PENGOLAHAN CITRA DIGITAL UNTUK PENILAIAN KESEGARAN IKAN TUNA (Thunnus) DENGAN MENGGUNAKAN METODE CITRA WARNA, K-NEAREST NEIGHBOR, DAN SUPPORT VECTOR MACHINE

Penilaian kesegaran ikan umumnya dilakukan secara visual berdasarkan
pengalaman individu, sehingga hasilnya bersifat subjektif dan kurang konsisten.
Oleh karena itu, penelitian ini penting dilakukan untuk menyediakan metode yang
lebih objektif dalam menilai kesegaran ikan tuna melalui pengolahan citra digital.
Penelitian ini bertujuan untuk menilai tingkat kesegaran ikan tuna (Thunnus)
berdasarkan citra mata menggunakan metode K-Nearest Neighbor (KNN) dan
Support Vector Machine (SVM) dengan kernel Radial Basis Function (RBF).
Dataset yang digunakan terdiri atas 60 citra hasil pengambilan menggunakan
kamera Canon 700D dan 60 citra dari sumber internet, masing-masing
dikategorikan menjadi tiga tingkat kesegaran, yaitu segar, kurang segar, dan busuk.
Proses penelitian meliputi tahap pre-processing, ekstraksi fitur warna RGB,
pelatihan model, dan pengujian. Hasil penelitian menunjukkan bahwa pada data
citra hasil kamera, metode KNN (k = 1) dan SVM RBF (One-vs-One) sama-sama
menghasilkan akurasi sebesar 100%. Sementara itu, pada data citra dari sumber
internet, metode KNN menghasilkan akurasi sebesar 33,33% dan SVM RBF
sebesar 41,67%. Temuan ini menunjukkan bahwa kualitas citra berpengaruh
signifikan terhadap performa klasifikasi, dan metode SVM RBF memiliki performa
yang lebih stabil dibandingkan KNN pada data dengan variasi yang lebih tinggi.
Kata