ThesisOpen AccessMetadata saja
2026•Skripsi, Thesis, Disertasi, dan Tugas Akhir
Rumput laut Eucheuma cottonii merupakan komoditas unggulan Indonesia dengan potensi besar terutama di daerah Kota Tarakan, namun pemanfaatannya masih terbatas pada produk kering atau agar-agar. Penelitian ini bertujuan menganalisis kandungan gizi permen jelly berbasis rumput laut serta menentukan formulasi terbaik sebagai upaya diversifikasi hasil perikanan. Penelitian menggunakan metode eksperimen dengan tiga perlakuan yaitu F1 (rumput laut 30% + gelatin 6%), F2 (rumput laut 40% + gelatin 8%), dan F3 (rumput laut 50% + gelatin 10%). Analisis proksimat dilakukan untuk mengukur kadar air, abu, protein, lemak, dan karbohidrat. Hasil penelitian menunjukkan variasi kandungan gizi antar perlakuan. Kadar air 56-62%, kadar abu 0-1%, kadar protein 6,46-16,28%, kadar lemak 0,688-1,756%, dan karbohidrat 24,104-32,168%. Formulasi F1 unggul dalam kadar protein tertinggi (16,19%) dan lemak terendah (0,90%), cocok untuk produk tinggi protein rendah lemak. Formulasi F3 unggul dalam kadar karbohidrat tertinggi (30,22%), cocok sebagai sumber energi cepat. Dari penelitian ini disimpulkan bahwa permen jelly rumput laut Eucheuma cottonii berpotensi sebagai camilan sehat dengan dua formulasi terbaik sesuai tujuan penggunaan. Penelitian selanjutnya disarankan melakukan uji organoleptik dan menguji metode pengeringan terkontrol untuk meningkatkan kualitas produk.
ThesisOpen AccessMetadata saja
2026•
.Rumput laut Eucheuma cottonii merupakan komoditas perikanan bernilai ekonomi tinggi yang kualitas pascapanennya sangat dipengaruhi oleh tingkat kekeringan. Penentuan tingkat kekeringan oleh petani masih dilakukan secara manual melalui pengamatan visual terhadap warna dan tekstur sehingga bersifat subjektif dan berpotensi menghasilkan penilaian mutu yang tidak konsisten. Penelitian ini bertujuan membangun sistem klasifikasi otomatis jenis kekeringan rumput laut berbasis pengolahan citra digital menggunakan algoritma YOLOv8 untuk menghasilkan identifikasi yang lebih objektif dan konsisten. Dataset yang digunakan berupa 750 citra primer yang dikelompokkan ke dalam tiga kelas, yaitu 250 citra untuk RL_Basah, 250 citra untuk RL_Kering_Oven, dan 250 citra untuk RL_Kering_Jemur_Langsung. Pengelolaan dataset dilakukan menggunakan Roboflow melalui proses pelabelan, preprocessing (auto-orient dan resize citra menjadi 640 × 640 piksel), serta augmentasi berupa flip horizontal dan vertikal sehingga jumlah dataset meningkat menjadi 1.533 citra. Model YOLOv8n dipilih karena efisiensi komputasinya dan dilatih selama 50 epoch. Model terbaik kemudian diintegrasikan ke dalam aplikasi desktop berbasis PyQt5 yang dilengkapi fitur penyimpanan riwayat hasil deteksi ke basis data MySQL. Hasil evaluasi pada data validasi menunjukkan performa model yang sangat baik dengan nilai mAP50 sebesar 0,995 dan mAP50-95 sebesar 0,969. Pengujian fungsional menggunakan metode Black-Box Testing memperoleh tingkat keberhasilan 100% pada seluruh fungsi sistem. Selain itu, pengujian menggunakan 90 citra baru di luar dataset yang mencakup skenario objek tunggal, multiobjek, dan multikelas. Perhitungan akurasi hanya dilakukan pada skenario pengujian objek tunggal dan menghasilkan nilai akurasi sebesar 0,97. Sementara itu, hasil pengujian yang menggabungkan seluruh skenario pengujian menghasilkan nilai rata-rata Precision sebesar 0,92, Recall sebesar 0,90, dan F-Measure sebesar 0,90. Berdasarkan hasil tersebut, sistem yang dikembangkan mampu mengklasifikasikan jenis kekeringan rumput laut secara otomatis dan konsisten berdasarkan karakteristik visual citra.
