Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal DEVICE
Anton Purnama
Universitas Potensi Utama
Civil Engineering, Building, Construction & Architecture Computer Science & IT Engineering Mechanical Engineering

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

Found 2 Documents
Search

 1 
ANALISIS JARINGAN SYARAF TIRUAN TERHADAP KLASIFIKASI CITRA DAUN BUNGA MENGGUNAKAN BACKPROPAGATION Syawaluddin Kadafi Parinduri; Ameliana Sihotang; Mimi Chintya Adelina; Anton Purnama
Device Vol 13 No 1 (2023): Mei
Publisher : Fakultas Teknik dan Ilmu Komputer (FASTIKOM) UNSIQ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32699/device.v13i1.4074

Abstract

Bunga adalah salah satu organ tumbuhan yang mempunyai fungsi biologis. Fungsi biologis bunga adalah untuk memicu proses reproduksi pada tanaman, yaitu dengan cara mempertemukan serbuk sari dan putik. Teknologi tumbuhan bunga juga sudah mengalami kemajuan pesat, dengan kemajuan teknologi berbagai bidang dengan, khususnya teknologi digital pada sistem pengenalan dan identifikasi tanaman, yang mana berguna dalam memberi berbagai informasi. Proses pengenalan dapat diterapkan dalam berbagai bagian dari tanaman, salah satunya adalah pengenalan pada citra daun. Proses pengenalan citra daun harus melalui proses pembelajaran yang panjang, maka digunakan teknik pengolahan citra yaitu Jaringan Saraf Tiruan (JST). Identifikasi jenis daun menggunakan JST pada percobaan kali ini menggunakan 4 jenis bunga daun seperti daun bunga kumis kucing, daun bunga matahari, daun bunga Mawar, daun bunga melati, dengan 24 sampel citra daun dengan bentuk daun yang berbeda-beda untuk setiap jenisnya. Epoch dalam Jaringan Saraf Tiruan ini mencapai nilai maksimal 1000 iterasi. Sebelum melakukan pengujian citra, terlebih dahulu dilakukan proses pelatihan citra terhadap 24 sampel citra daun tersebut. Setelah dilakukan pengujian pada 16 sampel citra daun, diperoleh 15 sampel citra daun memiliki hasil benar terdeteksi dan 1 sampel citra daun memiliki hasil tidak terdeteksi. Dari hasil penelitian ini memiliki persentasi keberhasilan sebesar 93,75% berhasil terdeteksi dan 6,25% tidak berhasil terdeteksi. Maka dengan demikian tingkat keakurasian dalam keberhasilan hampir mencapai 100%.
PERBANDINGAN ALGORITMA SUPPORT VECTOR MACHINE DAN K-NEAREST NEIGHBORS PADA KEMATANGAN BUAH SAWIT Syawaluddin Kadafi Parinduri; Rika Rosnelly; Anton Purnama; Ameliana Sihotang; Mimi Chintya Adelina
Device Vol 13 No 2 (2023): November
Publisher : Fakultas Teknik dan Ilmu Komputer (FASTIKOM) UNSIQ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32699/device.v13i2.5400

Abstract

Berdasarkan pengamatan dan hasi dari observasi, buah kelapa sawit memiliki suatu warna buah yang hampir sama yaitu berwarna hitam pekat atau hitam agak kekuning-kuningan saat mentah, dan berwarna merah tua saat matang. Sangat sulit untuk membedakan buah kelapa sawit yang matang dan mentah. Tandan buah kelapasawit memiliki jumlah buah yang banyak, dalam satu tandan diperkirakan beratnya mencapai kurang lebih 20 sampai 30 Kilogram. Untuk dapat mengetahui kematangan buah sawit tersebut, dibutuhkan suatu sistem untuk melakukan klasifikasi kematangan buah secara otomatis. Metode Support Vector Machine (SVM) dan K-Nearest neighbors (K-NN) dapat digunakan untuk klasifikasi buah kelapa sawit yang matang dan mentah. Kedua Metode ini akan digunakan untuk melihat kelebihan akurasi tertinggi. Sehingga Kedua metode ini, akan dibandingkan. dan bekerja baik dangan ruang dimensi yang tinggi dengan menggunakan bantuan aplikasi Orange data mining. Hasil yang diperoleh pada metode Support Vector Machine (SVM) skenario satu, mendapatkan nilai akurasi yang sangat baik, yaitu 100%. Pada skenario dua, dengan menggunakan metode K-Nearest neighbors (K-NN) mendapatkan nilai akurasi yang sangat baik juga sebesar 100%.. Hal ini membuktikan bahwa kedua metode tersebut dapat digunakan untuk mengklasifikasikan kematangan buah kelapa sawit dengan hasil yang sangat baik.
Co-Authors Ameliana Sihotang Mimi Chintya Adelina Rika Rosnelly Syawaluddin Kadafi Parinduri