Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Jurnal Keteknikan Pertanian Tropis dan Biosistem Jurnal Teknologi Pertanian
Sulistyo, Susanto B.
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Energy Mechanical Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Klasifikasi Penyakit Pada Daun Stroberi Menggunakan K-Means Clustering dan Jaringan Syaraf Tiruan Efrilla, Alif V.; Sulistyo, Susanto B.; Wijaya, Krissandi; Kuncoro, Purwoko H.; Sudarmaji, Arief
Jurnal Keteknikan Pertanian Tropis dan Biosistem Vol 8, No 2 (2020)
Publisher : Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21776/ub.jkptb.2020.008.02.06

Abstract

Identifikasi penyakit pada tanaman stroberi sangat diperlukan untuk mengetahui penyakit lebih awal, sehingga dapat dilakukan pencegahan dini menyebarnya penyakit-penyakit tersebut. Penelitian ini bertujuan untuk 1) Mengembangkan algoritma untuk mendeteksi penyakit pada daun stroberi berbasis pengolahan citra menggunakan metode k-means clustering. 2) Mengembangkan jaringan syaraf tiruan (JST) untuk mengklasifikasikan penyakit pada daun stroberi. 3) Menentukan parameter visual yang tepat digunakan untuk klasifikasi penyakit pada daun stroberi. Hasil penelitian menunjukan bahwa parameter visual yang tepat dari pengolahan citra penyakit daun stroberi menggunakan 12 parameter yaitu mean R, mean G, mean B, contrast, correlation, energy, entrophy, homogeneity, area, perimeter, eccentrycity, dan metric. Aplikasi pengolahan citra dan JST untuk klasifikasi penyakit pada daun stroberi menunjukan hasil yang baik yaitu dengan segmentasi k-means clustering model warna L*a*b*, JST menggunakan 2 hidden layer dengan nilai rata-rata JST latih sebesar 90,2% dan JST uji sebesar 70%.
PORTABLE NEAR INFRARED SPECTROMETER DENGAN SENSOR AS7263 UNTUK PENDUGAAN SIFAT KIMIA JERUK SIAM (CITRUS NOBILIS) SECARA NON-DESTRUKTIF Sulistyo, Susanto B.; Sudarmaji, Arief; Siswantoro, Siswantoro; Margiwiyatno, Agus; Masrukhi, Masrukhi; Mustofa, Asna; Ediati, Rifah; Listanti, Riana; Hidayat, Hety Handayani
Jurnal Teknologi Pertanian Vol 22, No 2 (2021)
Publisher : Fakultas Teknologi Pertanian Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (419.074 KB) | DOI: 10.21776/ub.jtp.2021.022.02.1

Abstract

ABSTRAKEvaluasi mutu buah jeruk secara umum masih dilakukan secara destruktif. Penelitian ini bertujuan untuk memprediksi kandungan kimia buah jeruk siam secara non-destruktif menggunakan Near Infrared Spectrometer portable dengan sensor AS7263 dan aplikasi Neural Network Ensemble (NNE) dengan genetic algorithm (GA) untuk optimasi. Keluaran dari enam channel NIRS portable digunakan sebagai input NNE. NNE yang dikembangkan terdiri atas empat buah Backpropagation Neural Network (BPNN) dengan dua buah lapisan tersembunyi dan kombinasi transfer function yang berbeda-beda. Keluaran dari keempat BPNN ini digabung untuk menghasilkan keluaran NNE yang baru dan dioptimasi menggunakan GA. Karakteristik kimia buah jeruk yang diestimasi adalah total padatan terlarut (TPT) dan vitamin C. Hasil penelitian menunjukkan bahwa akurasi estimasi NNE lebih tinggi dibandingkan akurasi sebuah BPNN tunggal. Estimasi kadar TPT buah jeruk siam menggunakan NNE berbasis GA tergolong sangat akurat dengan nilai Mean Absolut Percentage Error (MAPE) 8,04%. Adapun estimasi kadar vitamin C menggunakan NNE berbasis GA tergolong akurat dengan MAPE sebesar 11,02%. Namun demikian, hasil penelitian ini masih perlu dilanjutkan untuk mengetahui performansi alat yang dikembangkan untuk memprediksi mutu internal jeruk varietas lain yang berbeda karakteristik fisikokimianya.ABSTRACT In general, the evaluation of the quality of citrus is still carried out destructively. This study aimed to predict the chemical characteristics, i.e. Total Soluble Solids (TSS) and vitamin C, of Siamese citrus non-destructively using a portable Near Infrared Spectrometer (NIRS) with the AS7263 sensor and the application of the neural network ensemble (NNE) with a Genetic Algorithm (GA) for optimization. The outputs of the six portable NIRS channels were used as predictors of the NNE. The developed NNE consisted of four backpropagation neural networks (BPNN) with two hidden layers and different combinations of transfer functions. The outputs of the four BPNNs were combined to produce new NNE outputs and were then optimized using GA. The results showed that the NNE estimation accuracy was higher than that of a single BPNN. The estimation of TSS content of Siamese citrus using GA-optimized NNE was classified as very accurate with a Mean Absolute Percentage Error (MAPE) of 8.04%. The estimation of vitamin C using GA-optimized NNE was classified as accurate with a MAPE of 10.01%. However, the results of this study still need to be continued to determine the performance of the instrument developed to predict the internal quality of other citrus varieties with different physicochemical characteristics.
Co-Authors Agus Margiwiyatno Arief Sudarmaji, Arief Asna Mustofa Efrilla, Alif V. Hety Handayani Hidayat Krissandi Wijaya Kuncoro, Purwoko H. Listanti, Riana Masrukhi Masrukhi Rifah Ediati Siswantoro Siswantoro