Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal POSITRON
H., Cindy Priscilla
Unknown Affiliation
Energy Physics

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Implementasi Convolutional Neural Network dalam Menentukan Tingkat Kematangan Jeruk Siam Pontianak Berdasarkan Citra Sutanto, Yuris; H., Cindy Priscilla; Nurhasanah, Nurhasanah; Wahyuni, Dwiria; Arman, Yudha; Hasanuddin, Hasanuddin
POSITRON Vol 12, No 2 (2022): Vol. 12 No. 2 Edition
Publisher : Fakultas Matematika dan Ilmu Pengetahuan Alam, Univetsitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/positron.v12i2.64594

Abstract

Pada umumnya, pemilihan jeruk dilakukan secara manual menggunakan pengamatan berdasarkan tingkat kematangannnya. Namun cara tersebut dianggap kurang efektif karena membutuhkan waktu lama dan tingkat keakuratan yang berbeda. Seiring berkembangnya teknologi, cara alternatif yang dapat dilakukan untuk mengidentifikasi suatu objek adalah dengan melakukan pengolahan citra. Penelitian ini bertujuan untuk mengkomparasi tingkat kematangan jeruk siam Pontianak berdasarkan citra menggunakan metode Convolutional Neural Network (CNN). Citra jeruk akan dibagi menjadi 2 kelas (belum matang dan sudah matang) dan 3 kelas (belum matang, tepat matang, dan terlalu matang). Citra yang digunakan sebanyak 120 data yang diambil menggunakan kamera smartphone. Pembagian citra dilakukan dengan menggunakan metode k-means clustering yang parameter pengelompokannya berdasarkan data hasil pengukuran kadar gula jeruk siam Pontianak dan data hasil ekstraksi fitur menggunakan metode Gray Level Co-occurrence Matrix (GLCM). Citra yang telah dikelompokkan akan di komparasi menggunakan metode CNN. Hasil akurasi yang diperoleh adalah 75% untuk citra berdasarkan data gula dengan 3 kelas, untuk citra berdasarkan data GLCM dengan 3 kelas sebesar 41.67% dan untuk 2 kelas sebesar 77.38%. Hasil tersebut mampu untuk menentukan tingkat kematangan buah jeruk. Akan tetapi berdasarkan parameter karakteristik, CNN hanya mampu mendapatkan akurasi yang baik pada 2 kelas saja
Co-Authors Dwiria Wahyuni Hasanuddin Hasanuddin Nurhasanah Nurhasanah Yudha Arman Yuris Sutanto