IDENTIFIKASI KESEGARAN IKAN BERDASARKAN WARNA MATA MENGGUNAKAN ALGORITMA LEARNING VECTOR QUANTIZATION (LVQ)

ndonesia memiliki potensi yang cukup besar dalam perikanan, hal ini dikarenakan 2/3 luas wilayah Indonesia merupakan perairan. Seiring meningkatnya akan konsumsi ikan segar oleh masyarakat, membuat banyak orang memanfaatkan situasi tersebut. Dengan menjual ikan yang tidak layak konsumsi seperti ikan tidak segar, ikan busuk dan ikan berformalin. Untuk mengurangi kecurangan yang dilakukan sekelompok orang tersebut, maka penulis membuat sebuah sistem identifikasi kesegaran ikan menggunakan metode Learning Vektor Quantization (LVQ) menggunakan citra warna RGB dan HSV berdasarkan warna mata pada ikan. Dengan menggunakan 4 jenis ikan yaitu ikan Patin, ikan Nila, ikan Lele dan ikan Mas. Dengan memakai tools Matlab R2014a dan klasifikasi metode LVQ tersebut bisa mengurangi tingkat kecurangan yang dilakukan penjual dan bahkan bisa menambah daya produksi dan konsumsi ikan tersebut.Metode LVQ dapat membantu penjual dan pembeli dalam menentukan ikan yang layak untuk dikonsumsi, ikan berkualitas dan ikan yang masih segar.Penjual akan mudah menmbedakan ikan segar, ikan kurang segar dan ikan Tidak segar. Akurasi pengujian tertinggi yang mencapai 88,88% pada pembagian data uji 100% dengan nilai Learning rate0.2 dan MN learning rate0.1 dan ciri warna RGB dan HSV dapat digunakan sebagai parameter masukan dalam pengklasifikasian kesegaran pada mata ikan. Kata Kunci :HSV, learning rate, Learning Vektor Quantization(LVQ), Matlab R2014a,over fising,dan RGB