Systematic Literature Review: Deteksi Kesegaran Ikan Multispesies Berbasis Citra Menggunakan Convolutional Neural Network

Abstract

Penelitian ini dilakukan untuk mengkaji penerapan metode Convolutional Neural Network dalam deteksi kesegaran ikan Multispesies berbasis citra digital. Permasalahan utama yang dihadapi adalah keterbatasan metode konvensional dalam menilai kesegaran ikan yang masih bersifat subjektif, destruktif, dan kurang efisien. Oleh karena itu, pendekatan berbasis teknologi cerdas dipandang sebagai solusi yang lebih objektif dan non-destruktif. Metode yang digunakan dalam penelitian ini adalah Systematic Literature Review dengan mengumpulkan dan menganalisis artikel ilmiah yang relevan dari berbagai basis data bereputasi pada periode 2020 hingga 2026. Sebanyak 20 artikel terpilih dianalisis secara deskriptif kualitatif untuk mengidentifikasi arsitektur jaringan, jenis spesies ikan, karakteristik citra, serta kinerja model yang dilaporkan. Hasil kajian menunjukkan bahwa metode Convolutional Neural Network mampu memberikan akurasi yang tinggi dalam klasifikasi kesegaran ikan Multispesies, dengan arsitektur ResNet, MobileNet, dan EfficientNet sebagai model yang paling banyak digunakan. Meskipun demikian, masih ditemukan keterbatasan terkait ketersediaan dataset Multispesies dan variasi kondisi citra. Penelitian ini diharapkan dapat menjadi referensi ilmiah dan dasar pengembangan sistem deteksi kesegaran ikan yang lebih optimal dan aplikatif di masa mendatang.