PERANCANGAN SISTEM PREDIKSI BERAT IKAN BERBASIS DIMENSI CITRA MENGGUNAKAN REGRESI LOG-LINIER DAN BACKPROPAGATION NEURAL NETWORK

Proses penimbangan ikan secara manual masih banyak digunakan,akan tetapi cara tersebut membutuhkan waktu, bergantung pada ketelitian pengguna, sehingga dapat mengganggu kondisi ikan karena dilakukan secara kontak langsung. Berdasarkan permasalahan tersebut, dibutuhkan sistem yang mampu memperkirakan berat ikan secara lebih praktis melalui pengukuran dimensi tubuh berbasis citra digital. Sistem prediksi berat ikan berbasis Graphical User Interface (GUI) dirancang menggunakan dua kamera, yaitu kamera tampak atas untuk memperoleh panjang dan lebar ikan, serta kamera tampak samping untuk memperoleh tinggi ikan. Citra yang diperoleh diproses melalui tahap preprocessing, segmentasi, deteksi kontur, ekstraksi dimensi, dan kalibrasi agar ukuran piksel dapat dikonversi ke satuan sentimeter. Data yang digunakan dari hasil pengukuran citra dan pengukuran manual dengan total 588 data. Setelah divalidasi menggunakan koefisien bentuk ikan, diperoleh 360 data valid untuk pelatihan dan pengujian model. Metode yang dibandingkan adalah Regresi Log-Linier dan Backpropagation Neural Network. Hasil pengujian data uji menunjukkan bahwa BackpropagationNeural Network memperoleh MAE 15,7332 gram, RMSE 21,1689 gram, R² 0,8211, dan MAPE 8,6253%. Sementara itu, Regresi Log-Linier memperoleh MAE 17,1296 gram, RMSE 23,0998 gram, R² 0,7870, dan MAPE 9,7628%. Pengujian langsung melalui GUI dilakukan sebanyak 30 kali percobaan juga menunjukkan bahwa BackpropagationNeural Network menghasilkan kesalahan prediksi yang lebih kecil dari Regresi Log-linier