Azis, Salsabila
Unknown Affiliation

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

Found 1 Documents
Search

IMPLEMENTASI JARINGAN SARAF TIRUAN BACKPROPAGATION UNTUK KLASIFIKASI TINGKAT KESEGARAN WORTEL BERBASIS PENGOLAHAN CITRA DIGITAL DISERTAI OPERASI MORFOLOGI Musdar, Devi Miftahul Jannah; Eriyani, Nindy Sri; Azis, Salsabila; Kaswar, Andi Baso; Sasmita, Sasmita
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 9, No 3 (2024)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v9i3.5672

Abstract

Penelitian ini bertujuan mengembangkan metode klasifikasi untuk menilai tingkat kesegaran wortel menggunakan algoritma Jaringan Saraf Tiruan (JST) dengan pendekatan backpropagation dan model morfologi matematika berbasis pengolahan citra digital. Fitur yang diekstraksi dalam proses klasifikasi meliputi warna (Hue, Saturation, Value), bentuk, dan tekstur (contrast, correlation, homogeneity). Model ini dibangun menggunakan 240 citra latih wortel yang dikategorikan menjadi tiga kelas: segar, kurang segar, dan tidak segar. Hasil pelatihan menunjukkan tingkat akurasi sebesar 95,83% dengan waktu komputasi rata-rata 323,47 detik per citra. Pengujian model menggunakan 60 citra uji mencapai tingkat akurasi 98,33% dengan waktu komputasi rata-rata 73,82 detik per citra. Kombinasi fitur warna HSV dengan tekstur (terutama correlation dan homogeneity) terbukti paling efektif dengan ruang warna HSV menghasilkan performa lebih baik dibandingkan ruang warna LAB dan RGB. Penelitian ini merekomendasikan eksplorasi model yang lebih modern dan memastikan konsistensi akuisisi citra untuk meningkatkan akurasi klasifikasi. Kesimpulannya, model JST yang dikembangkan menunjukkan efektivitas tinggi dalam klasifikasi kesegaran wortel dan berpotensi untuk diterapkan pada pengujian citra lainnya.