ANALISIS JARINGAN SYARAF TIRUAN TERHADAP KLASIFIKASI CITRA DAUN BUNGA MENGGUNAKAN BACKPROPAGATION
Jaringan Syaraf Tiruan, Daun Bunga, Citra Daun, MATLAB
Abstract
Bunga adalah salah satu organ tumbuhan yang mempunyai fungsi biologis. Fungsi biologis bunga adalah untuk memicu proses reproduksi pada tanaman, yaitu dengan cara mempertemukan serbuk sari dan putik. Teknologi tumbuhan bunga juga sudah mengalami kemajuan pesat, dengan kemajuan teknologi berbagai bidang dengan, khususnya teknologi digital pada sistem pengenalan dan identifikasi tanaman, yang mana berguna dalam memberi berbagai informasi. Proses pengenalan dapat diterapkan dalam berbagai bagian dari tanaman, salah satunya adalah pengenalan pada citra daun. Proses pengenalan citra daun harus melalui proses pembelajaran yang panjang, maka digunakan teknik pengolahan citra yaitu Jaringan Saraf Tiruan (JST). Identifikasi jenis daun menggunakan JST pada percobaan kali ini menggunakan 4 jenis bunga daun seperti daun bunga kumis kucing, daun bunga matahari, daun bunga Mawar, daun bunga melati, dengan 24 sampel citra daun dengan bentuk daun yang berbeda-beda untuk setiap jenisnya. Epoch dalam Jaringan Saraf Tiruan ini mencapai nilai maksimal 1000 iterasi. Sebelum melakukan pengujian citra, terlebih dahulu dilakukan proses pelatihan citra terhadap 24 sampel citra daun tersebut. Setelah dilakukan pengujian pada 16 sampel citra daun, diperoleh 15 sampel citra daun memiliki hasil benar terdeteksi dan 1 sampel citra daun memiliki hasil tidak terdeteksi. Dari hasil penelitian ini memiliki persentasi keberhasilan sebesar 93,75% berhasil terdeteksi dan 6,25% tidak berhasil terdeteksi. Maka dengan demikian tingkat keakurasian dalam keberhasilan hampir mencapai 100%.
Downloads
References
Bhahri, S. and Rachmat (2018) ‘Transformasi Citra Biner Menggunakan Metode Thresholding Dan Otsu Thresholding’, JURNAL SISTEM INFORMASI DAN TEKNOLOGI INFORMASI, 7(2), pp. 195–203.
Kasim, A.A. and Harjoko, A. (2014) ‘Klasifikasi Citra Batik Menggunakan Jaringan Syaraf Tiruan Berdasarkan Gray Level Co-Occurrence Matrices (GLCM) Agus Harjoko’, Seminar Nasional Aplikasi Teknologi Informasi (SNATI), pp. 7–13.
Nafisah, S., Puspitodjati, S. and Wulandari, S. (2008) ‘PENGKLASIFIKASIAN JENIS TANAH MENGGUNAKAN JARINGAN SYARAF TIRUAN DENGAN ALGORITMA BACKPROPAGATION’, Proceeding, Seminar Ilmiah Nasional Komputer dan Sistem Intelijen (KOMMIT 2008), pp. 444–449.
Ni’mah, F.S., Sutojo, T. and Setiadi, D.R.I.M. (2018) ‘Identification of Herbal Medicinal Plants Based on Leaf Image Using Gray Level Co-occurence Matrix and K-Nearest Neighbor Algorithms’, Jurnal Teknologi dan Sistem Komputer, 6(2), pp. 51–56. Available at: https://doi.org/10.14710/jtsiskom.6.2.2018.51-56.
Rabbani, H.A., Rahman, M.A. and Rahayudi, B. (2021) ‘Perbandingan Ruang Warna RGB dan HSV dalam Klasifikasi Kematangan Biji Kopi’, Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 5(6), pp. 2243–2248. Available at: http://j-ptiik.ub.ac.id.
Rahmadewi, R., Efelina, V. and Purwanti, E. (2018) ‘IDENTIFIKASI JENIS TUMBUHAN MENGGUNAKAN CITRA DAUN BERBASIS JARINGAN SARAF TIRUAN (ARTIFICIAL NEURAL NETWORKS)’, Jurnal Media Elektro, VII(2), pp. 38–43.
Wuryandari, M.D. and Afrianto, I. (2012) ‘PERBANDINGAN METODE JARINGAN SYARAF TIRUAN BACKPROPAGATION DAN LEARNING VECTOR QUANTIZATION PADA PENGENALAN WAJAH’, Jurnal Komputer dan Informatika (KOMPUTA), 1(I), pp. 45–5`.
This work is licensed under a Creative Commons Attribution 4.0 International License.
