Article Per Year (5 Year)
p-Index From 2020 - 2025
1.347
P-Index
This Author published in this journals
All Journal JURNAL PENA EDUKASI Jurnal Manajemen Bisnis dan Kewirausahaan Eksekusi : Journal Of Law JURNAL MANAJEMEN AKUNTANSI (JUMSI) JUSTIN (Jurnal Sistem dan Teknologi Informasi) Jurnal Ilmiah MEA (Manajemen, Ekonomi, dan Akuntansi) Journal Liaison Academia and Society Jurnal Inovasi Global
Fanny Fanny
UK PETRA
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Transportation Veterinary Other

Published : 8 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : JUSTIN (Jurnal Sistem dan Teknologi Informasi)

 1 
Sistem Pengenalan Buah menggunakan Metode Artificial Neural Network BackPropagation Studi Kasus: Mangga Gedong Gincu Fanny, Fanny
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 11, No 4 (2023)
Publisher : Jurusan Informatika Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/justin.v11i4.68234

Abstract

Kebutuhan akan buah yang segar menjadi hal yang penting bagi manusia untuk mendapatkan makanan yang sehat. Seringkali kita tidak mengetahui cara membedakan buah yang sudah matang atau belum. Bahkan tidak semua penjual buah mengetahui perbedaan itu secara pasti. Berdasarkan permasalahan akan kebutuhan ini, penelitian ini dibuat untuk memudahkan seseorang untuk membedakan buah yang sudah matang dan belum, selain itu lebih lanjut penelitian ini juga membedakan buah yang ukurannya normal ataupun tidak normal (terlalu kecil atau terlalu besar). Untuk pengenalan buah ini, penelitian ini menggunakan BackPropagation Neural Network untuk machine learning nya dan menggunakan aspek RGB dan ukuran mangga sebagai data training. Hasil yang didapatkan dari metode ini adalah akurasi sebesar 83% dari 6 data set testing dengan 1 data testing mendapatkan hasil prediksi yang salah.
Co-Authors Alvin Raditya Azmi, Bahrum Christine Christine Donita, Donita Fida, Fida Harahap, Irawan Hutasoit, Apren Halomoan Muhammad Arif Natasya Natasya Nuri Aslami Panggabean, Maya Sabirina Pramono, Dwi Murwani W. Princesa, Winola Salim, Valencia Sani M. Isa Soegeng Wahyoedi Tania, Putri Widoatmodjo, Sawidji