Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Journal of Deep Learning, Computer Vision and Digital Image Processing

KLASIFIKASI KUALITAS BUAH MANGGIS BERDASARKAN TEKSTUR DAN FITUR WARNA MENGGUNAKAN JARINGAN SYARAF TIRUAN BERBASIS PENGOLAHAN CITRA DIGITAL Muh Raenaldy; Faldi Firmansyah; Muh Yasin Kadir; Jessica Crisfin Lapendy; Muh. Akbar
Journal of Deep Learning, Computer Vision, and Digital Image Processing Volume 2 Issue 2 September 2024
Publisher : CV. Sakura Digital Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61255/decoding.v2i2.546

Abstract

Masalah dalam proses penyortiran buah manggis di Indonesia adalah masih dilakukan secara manual, mengakibatkan ketidakkonsistenan dan rendahnya akurasi dalam klasifikasi kualitas buah. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi kematangan buah manggis secara otomatis menggunakan metode Jaringan Syaraf Tiruan (JST) berbasis pengolahan citra digital. Metode yang digunakan mencakup enam tahapan: akuisisi citra, preprocessing, segmentasi, operasi morfologi, ekstraksi fitur, dan klasifikasi. Hasil penelitian menunjukkan bahwa metode JST dapat mengklasifikasikan buah manggis dalam tiga kelas tingkat kematangan (belum matang, setengah matang, dan matang) dengan akurasi 100% baik pada data latih maupun data uji. Fitur terbaik diperoleh dari kombinasi RGB + tekstur (contrast + homogeneity) dengan waktu komputasi paling efisien (136,61 detik untuk data latih dan 28,13 detik untuk data uji). Metode JST terbukti lebih efektif dibandingkan metode klasifikasi lainnya seperti Naive Bayes dan KNN, khususnya dalam menghadapi data berdimensi tinggi. Penelitian ini menyimpulkan bahwa sistem klasifikasi berbasis JST dapat diimplementasikan untuk meningkatkan efisiensi dan akurasi penyortiran buah manggis secara industri.
Klasifikasi tingkat aroma daun jeruk purut menggunakan metode jaringan saraf tiruan backpropagation Muh. Asmar; M. Rizky Kurniawan; Reynaldi Nafzal Ashari; Muh. Akbar; Rezki Nurul Jariah S.Intam
Journal of Deep Learning, Computer Vision, and Digital Image Processing Volume 2 Issue 2 September 2024
Publisher : CV. Sakura Digital Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61255/decoding.v2i2.548

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.
Co-Authors A. Desi Vio Alvionita Adila Wafia Dahlan Ahmad Abdullah Aswad Ahmad Fudhail  Majid Aisyah Aisyah Akbar, Muh. Akhmad Affandi Alamsyah Amra, Wahidah Amriani Amril Andi Achmad Syam Andi Dio Nurul Awalia Andi Gunawan Andi Nur Fadillah Andi Nurazizah A Aprilianti Nirmala S. Asmunandar Bahri bahri Binayanti Cahyani, Arum Tri Dewi Febriani Hamjan Dicky Wahyudi Dina Limbong Pamuttu Dina Pasa Lolo Dwiyani, Dwiyani Edy, Marwan Ramdhany Elfrianto Elma Nurjannah Fadli Fadli Faldi Firmansyah Febiola, Febiola Fiktariani Nuhering Firman Patawari Fitri Ramadani Grahandhika Satrio Pamungkas Hairulla Hanifah Hanan Zahidah Hasril, Hasril Hilal Malarangan Ilham Ilham Imam Ma’arif Indrayanti Intan Slipi Lia Jabal Nur Popalia Jessica Crisfin Lapendy Junaid, Uswatun Hasanah Kabubu, Rusmala Dewi Kardiyanti, Inma Dwi Putri Lisa Lisa, Lisa M, Wahyu Hidayat M. Amin M. Rizky Kurniawan Madia, Aidia Syafitri Marhani Marhani Mau, Muliadi Maulana Yusuf Meisya Saputri Melki Melki mohfalatehan Muh Raenaldy Muh Yasin Kadir Muh. Al-Habsy Muh. Amin P Muh. Asmar Muh. Fadli Muhaemin Muhammad Farid Muhammad Ilhamuddin Muhammad Syukron MUHAMMAD YUSUF Muhammad Yusuf AR Mujairil Mujairil Mukhaer Pakkanna Natasya Jane Veronica M Nur Amri Ramadhan Abd. Gani Nur, Hamzah Nurul Ilmi Qomaruddin, Mochammad Rahmi Dewanti Palangkey Reski Amalia Putri. R Reynaldi Nafzal Ashari Rezki Nurul Jariah S.Intam Rosita Rufer Firma Harianja Sahrul Gunawan Sam’un Mukramin SANTOSA, RESTA ARGA Silva Keiza Sahelangi Soadiking, Misbar Sonni, Alem Febri Stelani Yunianti Subair, Ahmad Sultan, M. Iqbal Tegar Angbirah Parerungan Tuti Bahfiarti Tuti Bahfiarti Wahid, Muhsin wiwi satriani