Deteksi Kesegaran Ikan Tanpa Merusak Menggunakan Gelombang Bau dan Tampilan Permukaan

Dataset ini terdiri dari 3 spesies ikan: makerel, nila, dan tuna. Jumlah data sensor MQ 135 dan TGS 2602 untuk ketiga spesies tersebut masing-masing adalah 9.401 data, sedangkan citranya masing-masing adalah 859, 840, dan 837. Dataset tahun kedua ada 14 sensor gas yang digunakan sebagai berikut: TGS2602, MQ135, MQ2, MQ3, MQ4, MQ5, MQ6, MQ7, MQ8, MQ9, MQ136, MQ137, NH3, MICS.

Sedangkan kamera menggunakan kamera OV2640 untuk mikrokontroler ESP32WROVER. Eksperimen pemeriksana dilakukan selama 11 hari dimana setiap hari dilakukan pada jam 08.00 hingga 16.00. Penelitian dilakukan pada 3 spesies ikan yaitu: bandeng, kembung dan mujair.

Jumlah sampel ikan dalah 15 ekor. Ukuran ikan bandeng mulai 98-130 gram, kembung 72-86 gram, mujair 65-93 gram. Ikan diawetkan dengan es dalam box stirofoam dengan perbandingan 1:1.

Setiap hari terbagi menjadi 3 sesi pemeriksana ikan, sesi 1 jam 08.00-10.00, sesi 2 jam 10.00-12.00, sesi 3 jam 13:15.00, dengan toleransi 1 jam untuk persiapan dipagi hari dan penutupan d sore hari. Hari pertama di sesi 1 dilakukan persiapan sehingga sesi 1 dan 2 tidak ada data sensor dan citra yang dihasilkan. Jumlah data sensor bervariasi mulai 40 hingga 120 per hari.

Rentang waktu pemeriksaan dengan sensor jam 08.00 – 16.00. Pada saat terbaik bisa mendapatkan 120 data, sedangkan pada saat terjelek mendapatkan 40 data dalam sehari. Setiap data memiliki nilai pada semua semua sensor yang digunakan.

Setiap sesi pemeriksaan dilakukan pemotretan pada ikan yang diuji sensor menggunakan kamera OV2470 dengan resolusi 640x480 piksel. Setiap hari ada 1 ikan yang dilakukan pengujian organoleptic menggunakan SNI 2346-2006 dengan 6 parameter yaitu: mata, insang, lendir tubuh , daging (bentuk dan kenampakan), bau, dan tekstur . Setiap yang melewati uji organoleptik dikeluarkan dari objek penelitian.

Rentang kelas kesegaran ikan selama 11 hari merujuk pada artikel berjudul Standardizing the fish freshness class during ice storage using clustering approach pada link sciencedirect.com/science/article/pii/S157495412400075X Jika Anda menggunakan dataset ini, mohon mensitasi artikel terkait. - Prasetyo et al. (2024), "DaFiF: A Complete Dataset for Fish's Freshness Problems", Data in Brief, Volume 57, DOI: doi.org/10.1016/j.dib.2024.111016 - Prasetyo et al (2024), "Standardizing the fish freshness class during ice storage using clustering approach", Ecological Informatics, Vol. 80, DOI: doi.org/10.1016/j.ecoinf.2024.102533