Perairan yang luas yang dimiliki oleh negara Indonesia memberikan keunggulan dalam
sektor perikanan dan kelautan. Proses sortasi atau pengecekan kualitas ikan adalah langkah
yang penting dalam persiapan ekspor. Khususnya untuk ikan cakalang, sortasi melibatkan
pengamatan terhadap berbagai aspek, seperti penampilan fisik, kondisi kulit, mata, tekstur dan
kekenyalan daging. Permasalahan yang dihadapi saat ini adalah proses sortasi ikan yang masih
mengandalkan metode manual dengan penggunaan indera manusia, mengakibatkan kurangnya
efisiensi dalam sortasi dan memakan waktu yang cukup lama.
Tugas Akhir ini mengusulkan aplikasi Android untuk mengklasifikasi kualitas ikan
menggunakan algoritma deep learning. Model diimplementasikan pada layanan komputasi
awan, sehingga dapat mengklasifikasikan kualitas ikan berdasarkan citra yang ditangkap oleh
kamera perangkat. Gambar ikan dikirimkan ke API yang terdapat di Google Cloud Platform
(GCP) untuk menjalankan proses deep learning, dan melalui API yang sama, aplikasi
menerima prediksi kualitas ikan berdasarkan hasil dari proses tersebut. Untuk sistem deep
learning yang digunakan yaitu mencakup model object detection YOLOv7 untuk mendeteksi
badan dan mata ikan yang kemudian menjadi masukan untuk model klasifikasi berbasis
EfficientnetV2S.
Pengujian aplikasi mobile untuk mengidentifikasi kualitas ikan dilakukan pada 20 citra
ikan dengan dua kategori, yaitu ”diterima" dan "ditolak". Rata-rata waktu pemrosesan sebesar
4,02 detik diperoleh dari pengujian 10 citra ikan yang diterima, sedangkan waktu pemrosesan
sebesar 3,15 detik diperoleh dari pengujian 10 citra ikan yang ditolak. Faktor yang dapat
mempengaruhi waktu pemrosesan adalah kualitas jaringan, ukuran gambar, spesifikasi server
dan optimasi model deep learning. Hasil pada usability testing menunjukan bahwa aspek-aspek
yang ditanyakan kepada 14 responden mendapatkan nilai diatas 4 dari 5. Pada pengujian
performance testing, didapatkan bahwa penggunaan CPU bervariasi antara 4% hingga 47%,
namun kemudian menurun dan tetap stabil dibawah 5%. Selain itu, penggunaan memori
mendapatkan hasil 71 MB hingga 120 MB. Selanjutnya pada pengujian compatibility testing
dan installation testing dapat disimpulkan bahwa aplikasi dapat berjalan dengan baik di
perangkat Android yang memeiliki versi yang berbeda. Aplikasi yang diusulkan ini
memanfaatkan deep learning untuk mengidentifikasi kualitas ikan, dan memberikan solusi
yang efektif untuk membantu operasional dalam industri perikanan.