Garuda - Garba Rujukan Digital

Identifikasi Jenis Jahe Berdasarkan Warna Menggunakan Jaringan Syaraf Tiruan Maimunah Maimunah
INFORMATION SYSTEM FOR EDUCATORS AND PROFESSIONALS : Journal of Information System Vol 2 No 2 (2018): INFORMATION SYSTEM FOR EDUCATORS AND PROFESSIONALS (Juni 2018)
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat Universitas Bina Insani

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (338.476 KB)

Abstrak: Sistem pengenalan untuk identifikasi jahe berbasis komputer merupakan proses memasukkan informasi berupa citra jahe ke dalam komputer. Selanjutnya komputer menerjemahkan serta mengidentifikasi jenis jahe tersebut dengan metode jaringan syaraf tiruan. Penelitian ini bertujuan untuk melakukan identifikasi jenis jahe menggunakan jaringan syaraf tiruan yang memanfaatkan kamera digital untuk akuisisi data citra jahe. Tahapan penelitian meliputi pemrosesan awal, ekstraksi ciri dan klasifikasi. Data latih yang digunakan terdiri dari citra jahe merah,citra jahe emprit dan citra jahe gajah sebanyak 15 sampel untuk tiap jenis jahe dan 5 sampel tiap jenis jahe untuk data uji. Proses identifikasi jenis jahe dilakukan dengan metode jaringan syaraf tiruan. Hasil identifikasi jenis jahe berdasarkan citra RGB menggunakan JST mendapatkan akurasi sebesar 60% pada epoch 2000 dengan jumlah variasi neuron 2 dengan nilai MSE sebesar 0.258 pada detik ke 10. Kata kunci: jaringan syaraf tiruan, jenis jahe, JST, warna Abstract: The recognition system for computer-based ginger identification is the process of entering information in the form of ginger images into the computer. Furthermore, the computer translates and identifies the type of ginger with artificial neural network method. This study aims to identify the type of ginger using artificial neural networks that utilize digital cameras for the acquisition of ginger image data. Research stages include initial processing, feature extraction, and classification. Trained data used consist of a red ginger image, ginger emprit image and elephant ginger image of 15 samples for each type of ginger and 5 samples of each type of ginger for tested data. The ginger type identification process is done by artificial neural network method. The identification of ginger species based on RGB image using ANN obtained an accuracy of 60% in epoch 2000 with the number of neuron 2 variations with MSE value of 0.258 at 10 seconds. Keywords: artificial neural network, color, JST, type of ginger

Klasifikasi Penurunan Kualitas Telur Ayam Ras Berdasarkan Warna Kerabang Menggunakan Support Vector Machine Maimunah Maimunah; Taufiqur Rokhman
INFORMATICS FOR EDUCATORS AND PROFESSIONAL : Journal of Informatics Vol 3 No 1 (2018): INFORMATICS FOR EDUCATORS AND PROFESSIONAL : JOURNAL OF INFORMATICS (Desember 201
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat Universitas Bina Insani

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (357.066 KB)

Abstrak: Kualitas telur merupakan karakteristik dari telur yang menentukan kesegaran dan kesehatan telur. Salah satu unsur penentuan kualitas telur adalah berdasarkan kondisi kerabang telur. Warna kerabang yang berbeda dipengaruhi oleh jenis pigmen,konsentrasi pigmen dan struktur kerabang. Intensitas warna coklat dari kerabang telur dibedakan menjadi 3 kelompok yaitu telur dengan warna coklat tua, coklat dan coklat muda. Telur dengan warna kerabang coklat tua mempunyai kerabang lebih kuat dan tebal dibanding telur yang berwarna coklat muda. Oleh karena itu telur dengan warna kerabang coklat tua mengalami penurunan kualitas lebih rendah dibandingkan warna coklat dan coklat muda. Dalam penelitian ini dilakukan klasifikasi penurunan kualitas telur ayam ras berdasarkan warna kerabang menggunakan support vector machine. Semakin muda warna coklat kerabang telur semakin cepat penurunan kualitasnya. Dengan menggunakan SVM maka dapat diklasifikasikan kualitas telur berdasarkan warna.dengan akurasi 80%. Kata Kunci: Intensitas, Klasifikasi, Kualitas, Warna Kerabang Abstract: Egg quality is a characteristic of eggs that determines the freshness and health of eggs. One element of determining egg quality is based on the condition of the eggshell. Different shell colors are influenced by the type of pigment, pigment concentration and shell structure. The brown color intensity of eggshells is divided into 3 groups, namely eggs with dark brown, brown and light brown. Eggs with dark brown shells have stronger and thicker shells than light brown eggs. Therefore, eggs with dark brown color have a lower quality compared to brown and light brown. In this research, a classification of the quality of chicken eggs based on eggshell was classified using a support vector machine. The younger the eggshell brown color the faster the quality decreases. By using SVM, egg quality can be classified based on color with 80% accuracy Keywords: Classification, Eggshell, Intensity, Quality

Adaptif Neuro Fuzzy Inference System (ANFIS) dalam Pengidentifikasi Kualitas Telur Ayam Ras Berdasarkan Warna Kerabang Dede Rosadi; Rahmadya Trias Handayanto; Maimunah Maimunah; Retno Nugroho Whidhiasih
INFORMATICS FOR EDUCATORS AND PROFESSIONAL : Journal of Informatics Vol 3 No 1 (2018): INFORMATICS FOR EDUCATORS AND PROFESSIONAL : JOURNAL OF INFORMATICS (Desember 201
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat Universitas Bina Insani

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (898.368 KB)

Abstrak: Kerabang telur merupakan lapisan luar telur yang melindungi telur dari penurunan kualitas baik disebabkan oleh kontaminasi mikroba, kerusakan fisik, maupun penguapan. Salah satu yang mempengaruhi kualitas kerabang telur adalah umur ayam, semakin meningkat umur ayam kualitas kerabang semakin menurun, kerabang telur semakin tipis, warna kerabang semakin memudar dan berat telur semakin besar. Telur yang lebih besar memiliki pigmen warna lebih sedikit dan warnanya lebih terang jika dibandingkan dengan telur yang lebih kecil. Telur dengan warna lebih coklat tua lebih kuat dan tebal dibanding telur yang berwarna coklat terang. Permasalahan yang dirumuskan dalam penelitian ini adalah bagaimana membangun aplikasi yang dapat mengidentifikasi telur ayam ras ke dalam 3 kelas (kualitas 1, 2 dan 3) berdasarkan citra RGB dari warna kerabang telur ayam ras menggunakan metode ANFIS. Dengan Metode ANFIS (Adaptive Neuro Fuzzy Inference System) menunjukkan hasil penelitian ini dapat mempermudah pembeli dalam menentukan mutu telur dengan cara melihat warna kerabang dan menghemat waktu pembeli dalam menentukan mutu telur di pasar. Kata Kunci: Adaptive Neuro Fuzzy Inference System, ANFIS, Kerabang Telur, RGB. Abstract: Eggshell is an outer layer of eggs that protects the egg from deterioration in quality caused by microbial contamination, physical damage or evaporation. One that affects eggshell quality is the age of chickens, the increasing age of chickens the quality of the eggshell decreases, the eggshell gets thinner, the color of the eggshell fades and the weight of the egg increases. Larger eggs have fewer color pigments and lighter colors compared to smaller eggs. More dark brown eggs are stronger and thicker than light brown eggs. The problem formulated in this study is how to build an application that can identify race chicken eggs into 3 classes (quality 1, 2 and 3) based on the RGB image of race chicken eggshell using the ANFIS method. The ANFIS (Adaptive Neuro Fuzzy Inference System) method shows the results of this study can facilitate buyers in determining egg quality by looking at the color of the egg and saving the buyer's time in determining the quality of eggs in the market. Keywords: Adaptive Neuro Fuzzy Inference System, ANFIS, Egg Shell, RGB.

Identifikasi Jenis Jahe Berdasarkan Warna Menggunakan Jaringan Syaraf Tiruan Maimunah Maimunah
INFORMATION SYSTEM FOR EDUCATORS AND PROFESSIONALS : Journal of Information System Vol 2 No 2 (2018): INFORMATION SYSTEM FOR EDUCATORS AND PROFESSIONALS (Juni 2018)
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat Universitas Bina Insani

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (338.476 KB)

Abstrak: Sistem pengenalan untuk identifikasi jahe berbasis komputer merupakan proses memasukkan informasi berupa citra jahe ke dalam komputer. Selanjutnya komputer menerjemahkan serta mengidentifikasi jenis jahe tersebut dengan metode jaringan syaraf tiruan. Penelitian ini bertujuan untuk melakukan identifikasi jenis jahe menggunakan jaringan syaraf tiruan yang memanfaatkan kamera digital untuk akuisisi data citra jahe. Tahapan penelitian meliputi pemrosesan awal, ekstraksi ciri dan klasifikasi. Data latih yang digunakan terdiri dari citra jahe merah,citra jahe emprit dan citra jahe gajah sebanyak 15 sampel untuk tiap jenis jahe dan 5 sampel tiap jenis jahe untuk data uji. Proses identifikasi jenis jahe dilakukan dengan metode jaringan syaraf tiruan. Hasil identifikasi jenis jahe berdasarkan citra RGB menggunakan JST mendapatkan akurasi sebesar 60% pada epoch 2000 dengan jumlah variasi neuron 2 dengan nilai MSE sebesar 0.258 pada detik ke 10. Kata kunci: jaringan syaraf tiruan, jenis jahe, JST, warna Abstract: The recognition system for computer-based ginger identification is the process of entering information in the form of ginger images into the computer. Furthermore, the computer translates and identifies the type of ginger with artificial neural network method. This study aims to identify the type of ginger using artificial neural networks that utilize digital cameras for the acquisition of ginger image data. Research stages include initial processing, feature extraction, and classification. Trained data used consist of a red ginger image, ginger emprit image and elephant ginger image of 15 samples for each type of ginger and 5 samples of each type of ginger for tested data. The ginger type identification process is done by artificial neural network method. The identification of ginger species based on RGB image using ANN obtained an accuracy of 60% in epoch 2000 with the number of neuron 2 variations with MSE value of 0.258 at 10 seconds. Keywords: artificial neural network, color, JST, type of ginger

Title

Found 4 Documents
Search

Abstract

Abstract

Abstract

Abstract

Title Search

Found 4 Documents Search

Abstract

Abstract

Abstract

Abstract

Title

Found 4 Documents
Search