Klasifikasi Jenis Kacang-Kacangan Berdasarkan Tekstur Menggunakan Jaringan Syaraf Tiruan
DOI:
https://doi.org/10.35143/jkt.v6i1.3546Kata Kunci:
Klasifikasi, GLCM, JSTAbstrak
Klasifikasi jenis kacang-kacangan dilakukan terhadap kacang merah, kacang hijau dan kacang tanah. Fitur tekstur diperoleh dengan menggunakan algoritma Gray Level Co-occurence Matrix (GLCM). Algoritma yang digunakan untuk melakukan klasifikasi yaitu Jaringan Syaraf Tiruan (JST). Eksperimen dilakukan dengan 3 jumlah neuron yang berbeda pada hidden layer. Selain itu training function yang digunakan ada 17 jenis. Setiap skenario eksperimen diulang sebanyak 5 kali. Berdasarkan skenario eksperimen yang telah dilakukan hasil yang terbaik yaitu 99,8% untuk accuracy, 99,6% untuk precision dan 99,8% untuk recall dengan menggunakan 20 neuron pada hidden layer.Unduhan
Referensi
U. E. Mas’ud Effendi, Fitriyah, “Identifikasi Jenis Dan Mutu Teh Menggunakan Pengolahan Citra D igital dengan Metode Jaringan Syaraf Tiruan,†J. Teknotan, vol. 11, no. 2, pp. 67–76, 2017.
A. S. Somantri, M. Miskyah, and W. Broto, “Pendugaan tingkat keamanan jagung dengan menggunakan pengolahan citra digital dan jaringan syaraf tiruan,†J. Stand., vol. 11, no. 1, p. 27, 2009, doi: 10.31153/js.v11i1.5.
M. E. Al Rivan and T. Juangkara, “Identifikasi Potensi Glaukoma dan Diabetes Retinopati Melalui Citra Fundus Menggunakan Jaringan Syaraf Tiruan,†JATISI (Jurnal Tek. Inform. dan Sist. Informasi), vol. 6, no. 1, pp. 43–48, 2019, doi: 10.35957/jatisi.v6i1.158.
M. A. Agmalaro, A. Kustiyo, and A. R. Akbar, “Identifikasi Tanaman Buah Tropika Berdasarkan Tekstur Permukaan Daun Menggunakan Jaringan Syaraf Tiruan,†J. Ilmu Komput. dan Agri-Informatika, vol. 2, no. 2, p. 73, 2013, doi: 10.29244/jika.2.2.73-82.
A. Albahry and B. Kusbiantoro, “Identifikasi Varietas Berdasarkan Warna dan Tekstur Permukaan Beras Menggunakan Pengolahan Citra Digital dan Jaringan Syaraf Tiruan,†Identifikasi Var. Berdasarkan Warn. dan Tekstur Permukaan Beras Menggunakan Pengolah. Citra Digit. dan Jar. Syaraf Tiruan, vol. 32, no. 2, pp. 91–97, 2013, doi: 10.21082/jpptp.v32n2.2013.p91-97.
A. Chaugule and S. N. Mali, “Evaluation of Texture and Shape Features for Classification of Four Paddy Varieties,†J. Eng. (United Kingdom), vol. 2014, 2014, doi: 10.1155/2014/617263.
N. V G, A. S. Kini, and A. S. Kini, “An intelligent classification model for peanut’s varieties by color and texture features,†Int. J. Eng. Technol., vol. 7, no. 2.27, p. 250, 2018, doi: 10.14419/ijet.v7i2.27.12473.
F. Wibowo and A. Harjoko, “Klasifikasi Mutu Pepaya Berdasarkan Ciri Tekstur GLCM Menggunakan Jaringan Saraf Tiruan,†Khazanah Inform. J. Ilmu Komput. dan Inform., vol. 3, no. 2, p. 100, 2018, doi: 10.23917/khif.v3i2.4516.
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Penulis yang mempublikasikan naskah pada jurnal ini setuju tentang hal-hal berikut ini:
- Penulis memegang hak cipta untuk proses, prosedur, atau artikel yang dideskripsikan pada naskah dan memberikan hak kepada jurnal untuk pertama kali mempublikasikan naskah dibawah Creative Commons Attribution License yang memperbolehkan orang lain untuk menyebarkan hasil penelitian dengan pengakuan hak cipta penulis dan jurnal.
- Penulis memegang hak untuk mempublikasikan kembali semua atau sebagian hasil penelitian pada naskah lain tetapi tidak memberikan hak kepada pihak ketiga lain untuk mencetak dan mempublikasikan ulang hasil penelitian yang sama.
- Penulis diperbolehkan dan disarankan untuk menginformasikan naskah yang telah terbit secara online (seperti pada repository institusi atau website milik penulis) yang akan meningkatkan produktivitas rujukan dan sitasi dari naskah yang telah terbit.
Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-NonKomersial-BerbagiSerupa 4.0 Internasional.
