Pengembangan Modul Klasifikasi Apel Envy dan Pasific Rose Menggunakan Jaringan Saraf Tiruan (JST)

Farah Zakiyah Rahmanti, Prajanto Wahyu Adi, Ion Ataka, Septian Enggar Sukmana

Abstract


The variety of apple has similarity with each other, therefore it makes human visual perception difficult to differentiate some of them.  The conventional way is often carried out human vision  subjective perception, this way makes classification result becomes less. Apple classification  using information technology is one step to classify apple more accurate and to help human in apple plantations processing. The goal of this research is developing classification stage on envy and pasific rose apple. The major goal is to classify envy and pacific rose apple using Artificial Neural Network (ANN). Doing feature extraction of training and testing apple images aims that  images can be recognized as envy or pasific rose. The way of getting feature extraction is using statistical approach of RGB color histogram from an image. The feature extraction values of RGB color histogram of apple images are intensity, standard deviation, skewness, energy, entropy, and smoothness. Then, those values as an input of classification step using ANN feed-forward backpropagation. The results of this research are consists of three scenario of experiment, first skenario is using 50 training data 10 testing data, it has accuracy value 80%. Second scenario is using 70 training data 10 testing data, it also has accuracy value 80%. Third scenario is using 90 training data 10 testing data, it has accuracy value 90%. This experiment result shows that the highest accuracy value is in third scenario.

Keywords : Apple, Feature extraction, Artificial neural network, Backpropagation


Abstrak — Jenis apel yang beragam dan beberapa diantaranya memiliki kemiripan membuat persepsi pandang manusia sulit membedakan jenis-jenis apel tertentu. Cara konvensional yang sering dilakukan adalah penilaian subyektif dari persepsi pandang manusia. Penilaian subyektif tersebut bisa menghasilkan pengelompokan jenis apel yang kurang tepat. Teknik pengenalan jenis apel berbasis teknologi informasi menjadi salah satu langkah untuk membantu pengelompokan jenis apel supaya lebih tepat dan akurat serta lebih meringankan tugas manusia pada bidang pengolahan hasil perkebunan apel. Penelitian ini bertujuan untuk mengembangkan tahapan klasifikasi apel envy dan pasific rose. Tujuan utamanya adalah mengklasifikasi buah apel jenis envy dan pasific rose dengan menggunakan Jaringan Saraf Tiruan (JST) atau sering disebut dengan Artificial Neural Network (ANN). Citra apel terlebih dahulu dilakukan ekstraksi fitur yang unik dari citra latih dan citra uji, agar citra tersebut dapat dikenali.  Salah satu cara ekstraksi fitur adalah dengan menggunakan pendekatan statistik dari histogram warna RGB sebuah citra. Nilai-nilai yang bisa diambil dari histogram warna RGB citra apel adalah nilai rerata intensitas, standar deviasi, skewness, energi, entropi, dan smoothnes.  Kemudian nilai-nilai tersebut sebagai nilai masukan untuk tahapan klasifikasi menggunakan JST feed-forward backpropagation. Hasil pengujian dibagi menjadi tiga skenario, pertama dengan data latih 50 data uji 10 memiliki nilai akurasi sebesar 80%. Skenario pengujian kedua dengan data latih 70 data uji 10 memiliki nilai akurasi sebesar 80%. Skenario pengujian ketiga dengan data latih 90 data uji 10 memiliki akurasi sebesar 90%. Hasil pengujian tersebut menunjukan bahwa nilai akurasi tertinggi terletak pada pengujian ketiga.

Kata Kunci : Apel, Ekstraksi fitur, Jaringan saraf tiruan, Backpropagation



Full Text:

PDF

References


Andri, Paulus, N. W., Wong & T. Gunawan, Segmentasi Buah Menggunakan Metode K-Means Clustering dan Identifikasi Kematangannya Menggunakan Metode Perpandingan Kadar Warna, vol 15, (2014).

Austeclino, M.B.J., Angelo, A.D., Manoel, B.N., Artificial Neural Network and Bayesian Network As Supporting Tools for Diagnosis of Asymptomatic Malaria, 978-1-4244-6376-3/10/$26.00, IEEE, 2010.

Calvin Hung, Zhe Xu, Salah Sukkarieh, Feature Learning Based Approach for Weed Calssification Using High Resolution Aerial Images from a Digital Camera Mounted on a UAV, Remote Sensing, 2014.

Fajar Budiman, Muhammad A., Muhammad R., & Suwito, Pengenalan Suara Burung Menggunakan Mel Frequency Cepstrum Coefficient dan Jaringan Syaraf Tiruan pada Sistem Pengusir Hama Burung, Jurnal Nasional Teknik Elektro (JNTE) Vol 5 No 1, (2016).

Farah Z.R., Identifikasi Parasit Malaria pada Think Blood Film Menggunakan Artificial Neural Network (ANN), Jurusan Teknik Elektro, Institut Teknologi Sepuluh Nopember (ITS) Surabaya (2013).

Ion A. H., Identifikasi Jenis Buah Apel Menggunakan Algoritma K-Nearest Neighbor (KNN) dengan Ekstraksi Fitur Histogram, Jurusan Teknik Informatika, Universitas Dian Nuswantoro Semarang (2015).

Mauridhi, H.P., Agus, K., Supervised Neural Network dan Aplikasinya, Graha Ilmu Yogyakarta, (2006).

Robert E. Uhrig, Introduction to Artificial Neural Network, Proceedings of the 1995 IEEE IECON 21st Vol. 1, (1995).

Wei J., Xiangli M., Yun T., Bo X., Dean Z., Fast Segmentation of Colour Apple Image under All-weather Natural Conditions for Vision Recognition of Picking Robots. International Journal of Advanced Robotic Systems, (2016).




DOI: https://doi.org/10.25077/jnte.v5n2.283.2016

Refbacks

  • There are currently no refbacks.


  

       


 Statistic and Traffic