Klasifikasi tingkat aroma daun jeruk purut menggunakan metode jaringan saraf tiruan backpropagation

Authors

  • Muh. Asmar Universitas Negeri Makassar
  • M. Rizky Kurniawan Universitas Negeri Makassar
  • Reynaldi Nafzal Ashari Universitas Negeri Makassar
  • Muh. Akbar Universitas Negeri Makassar
  • Rezki Nurul Jariah S.Intam Universitas Negeri Makassar

Keywords:

Artificial Neural Network, Color, Image Proccessing, Aroma, Lime Leaves

Abstract

Penelitian ini bertujuan untuk mengembangkan metode klasifikasi tingkat aroma pada daun jeruk menggunakan citra daun sebagai input. Dataset yang digunakan terdiri dari 300 lembar daun jeruk yang dibagi menjadi tiga kelas aroma: kuat, sedang, dan rendah. Proses klasifikasi melibatkan tahap preprocessing, ekstraksi fitur, pelatihan model menggunakan Jaringan Saraf Tiruan (JST), dan pengujian model. Tahap preprocessing mencakup ekstraksi channel warna dan segmentasi citra. Fitur-fitur warna dan tekstur diekstraksi untuk digunakan dalam pelatihan model JST. Hasil eksperimen menunjukkan bahwa menggunakan fitur warna RGB memberikan akurasi pelatihan sebesar 91,25% dengan waktu komputasi 5,79 detik per citra, dan akurasi pengujian mencapai 100% dengan waktu komputasi 7,76 detik per citra. Hal ini menunjukkan bahwa metode klasifikasi yang dikembangkan mampu dengan baik dalam menentukan tingkat aroma daun jeruk. Namun, dalam penelitian ini kami menyarankan perbaikan pada proses akuisisi citra dan pengembangan metode klasifikasi tambahan untuk meningkatkan keakuratan dalam menentukan tingkat aroma daun jeruk.

Abstract views: 13 , PDF downloads: 13

Downloads

Download data is not yet available.

References

Agung, S. A., Dirgantara, A. S. F., Hersyam, M. S., Kaswar, A. B., & Andayani, D. D. (2023). Classification of tomato quality based on color features and skin characteristics using image processing based artificial neural networks. Jurnal Teknik Informatika (Jutif, 4(5), 1021–1032. https://doi.org/10.52436/1.jutif.2023.4.5.780

Anisa, N. S., Andika, T. H., & Hardiyanti, F. (2020). Sistem identifikasi citra daun berbasis segmentasi dengan menggunakan metode K-Means Clustering. Retrieved from http://jti.aisyahuniversity.ac.id/index.php/AJIEE

Ayu, F. (2019). Implementasi jaringan saraf tiruan untuk menentukan kelayakan proposal tugas akhir. IT Journal Research and Development, 3(2), 44–53. https://doi.org/10.25299/itjrd.2019.vol3(2).2271

Crispy, S., Milala, B. S., & Nasution, M. P. (2023). Uji antibakteri formulasi sediaan hand soap ekstrak etanol daun jeruk purut (Citus Hystrix DC) terhadap bakteri Staphylococcus aureus. Pusdikra Publishing. Retrieved from https://pusdikra-publishing.com/index.php/jkes/home

Dhavesia, V. (2017). Uji aktivitas antibakteri ekstrak daun jeruk purut (Citrus hystrix D. C.) terhadap Pseudomonas aeruginosa dan Staphylococcus epidermidis. Retrieved March 31, 2024, from http://e-journal.uajy.ac.id/id/eprint/11897

Febrinanto, F. G., et al. (2018). Implementasi algoritme K-Means sebagai metode segmentasi citra dalam identifikasi penyakit daun jeruk. Retrieved from http://j-ptiik.ub.ac.id

Imam, C., Hidayat, E. W., & Kurniati, N. I. (2021). Classification of meat imagery using artificial neural network method and texture feature extraction by gray level co-occurrence matrix method. Jurnal Teknik Informatika (Jutif, 2(1), 1–8. https://doi.org/10.20884/1.jutif.2021.2.1.37

Izhari, F., Zarlis, M., & Sutarman. (2020). Analysis of backpropagation neural neural network algorithm on student ability based cognitive aspects. IOP Conference Series: Materials Science and Engineering. https://doi.org/10.1088/1757-899X/725/1/012103

Kaswar, A. B. (2023). Sistem pendeteksi objek tanaman selada hidroponik dalam netpot menggunakan metode segmentasi Otsu Thresholding disertai operasi morfologi. Jurnal Teknik Informatika (Jutif, 6(1).

Liantoni, F. (2015). Klasifikasi daun dengan perbaikan fitur citra menggunakan metode K-Nearest Neighbor. Ultimatics, 7(2).

Novitasari, A., Purwandari, E. P., & Coastera, F. (2018). Identifikasi citra daun tanaman jeruk dengan local binary pattern dan moment invariant.

Nurdinawati, V., Hendryani, A., & Barasabha, T. (2021). Segmentasi citra pembuluh darah retina menggunakan operasi morfologi iteratif. Jurnal Teknik Elektro, 13(1), 18–24. https://doi.org/10.15294/jte.v13i1.29747

Poerwanto, R. S. E. E. D. A. A. B. R. (2019). Kajian produksi, mutu dan minyak atsiri daun jeruk purut (Citrus hystrix DC.) dengan perbedaan teknik budidaya dan pasca panen.

Sanusi, H. S. H., & Susetianingtias, D. T. (2019). Pembuatan aplikasi klasifikasi citra daun menggunakan ruang warna RGB dan HSV. Jurnal Ilmiah Informatika Komputer, 24(3), 180–190. https://doi.org/10.35760/ik.2019.v24i3.2323

Sari, Y. A., Dewi, R. K., Fatichah, C., Teknik Informatika, J., & Teknologi Informasi, F. (2014). Seleksi fitur menggunakan ekstraksi fitur bentuk, warna, dan tekstur dalam sistem temu kembali citra daun.

Sumarsono, A., & Supatman, S. (2021). Imagery identification of tomatoes which contain pesticides using learning vector quantization. Jurnal Teknik Informatika (Jutif, 2(1), 9–16. https://doi.org/10.20884/1.jutif.2021.2.1.15

Syafi’i, S. I., Wahyuningrum, R. T., & Muntasa, A. (2016). Segmentasi objek pada citra digital menggunakan metode Otsu Thresholding. Jurnal Informatika, 13(1). https://doi.org/10.9744/informatika.13.1.1-8

Wardhani, A. D. R. (2020). Segmentasi citra sel darah putih menggunakan HSV Saturation dan operasi morfologi.

Downloads

Published

2024-09-28

How to Cite

Muh. Asmar, M. Rizky Kurniawan, Reynaldi Nafzal Ashari, Muh. Akbar, & Rezki Nurul Jariah S.Intam. (2024). Klasifikasi tingkat aroma daun jeruk purut menggunakan metode jaringan saraf tiruan backpropagation . Journal of Deep Learning, Computer Vision and Digital Image Processing, 2(2), 74–87. Retrieved from https://journal.diginus.id/DECODING/article/view/548

Issue

Volume 2 Issue 2 September 2024

Section

Articles