Abstrak
Udang windu merupakan salah satu komoditas ekspor unggulan Indonesia yang memiliki nilai ekonomi tinggi. Namun, proses identifikasi kesegaran udang secara manual sering kali memerlukan waktu yang cukup lama serta membutuhkan keahlian khusus. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi kesegaran udang windu berbasis citra digital dengan metode Gray Level Co-occurrence Matrix (GLCM) dan Artificial Neural Network (ANN). Sistem tersebut diintegrasikan ke dalam interface desktop menggunakan PyQt5 sehingga dapat mempermudah pengguna dalam menilai kualitas udang secara efektif. Total dataset yang digunakan sebanyak 400 dataset dengan rincian 200 untuk udang segar dan 200 untuk udang tidak segar. Dari dataset tersebut kemudian dibagi proporsi 85% (340 data) untuk data latih dan 15% (60 data) untuk data uji. Proses pelatihan dilakukan dengan epoch sebanyak 200 dan batch size 35 dengan latar belakang putih pada setiap pengambilan dataset. Hasil terbaik diperoleh pada epoch ke-199 dengan nilai loss sebesar 0,0199 dan accuracy sebesar 0,9971. Hasil pengujian terhadap 60 data uji menunjukkan bahwa sistem mampu mengidentifikasi kesegaran udang dengan nilai precision 1,00, recall 1,00, dan F-measure 1,00 pada kelas udang segar. Sedangkan pada kelas udang tidak segar diperoleh nilai precision 1,00, recall 0,90, dan F-measure 0,95. Hal ini menandakan bahwa sistem berhasil mendeteksi kedua kelas udang windu dengan tingkat keakuratan yang tinggi. Hanya saja perlu ada perbaikan pada pengambilan dataset citra udang tidak segar .Dengan adanya aplikasi ini, proses identifikasi kesegaran udang dapat dilakukan dengan lebih baik sehingga membantu dalam pemilihan udang segar dan tidak segar secara lebih efektif.