Abstrak
Penelitian ini membahas mengenai permasalahan dari kelemahan metode grading udang konvensional yang tidak seragam dalam menduga mutu udang karena tingkat persepsi manusia yang berbeda-beda. Solusi yang ditawarkan adalah menggunakan teknologi CVAR (computer vision dan analisis regresi) dalam menentukan size udang berdasarkan citra yang ditangkap kamera. Tujuan dari penelitian ini adalah untuk menerapkan kombinasi metode K-Means Clustering dan morfologi dalam menentukan size dan kategori ukuran udang vaname, berdasarkan perbandingan area dalam piksel hasil olah citra dengan teknologi computer vision terhadap massa dalam gram, menggunakan persamaan regresi kuadratik terkecil. Penelitian ini merupakan penelitian kuantitatif yang berfokus untuk mengetahui keterkaitan dari variabel dependen yang berupa massa terhadap variabel independen yang berupa area. Data yang digunakan dalam penelitian ini adalah data primer dari hasil observasi dan pengukuran di lokasi penelitian. Teknik pengambilan sampel yang digunakan adalah probability disproportionate stratified random sampling dikarenakan output dari sampel adalah klaster udang berdasarkan strata yang telah ditentukan. Hasil dari penelitian ini menunjukkan kebaruan kombinasi metode yang diterapkan mampu menyegmentasi citra dengan sangat baik dengan nilai RMSE 0.68 yang jauh lebih kecil dibandingkan thresholding yang sebesar 2.89 dan k-means clustering sebesar 0.73. Hubungan variabel sangat kuat yang dinyatakan dengan korelasi sebesar 0.992. Akurasi sistem dalam melakukan pengukuran massa sebesar 93.64% dan pengukuran size sebesar 93.37%, sedangkan akurasi sistem dalam klasterisasi ukuran udang sebesar 95.45%.